要約
本稿は、 adversarial attack（敵対的攻撃）に対して頑健な深層学習に基づく単一画像反射除去（Robust Deep Single-Image Reflection Removal: SIRR）の問題に取り組む。現在の深層学習を用いたSIRR手法は、入力画像に目に見えない歪みや摂動が加えられた場合、著しい性能低下を示している。本研究では、SIRR問題に特化した多様な敵対的攻撃を体系的に実施し、攻撃対象や攻撃領域の違いを考慮した包括的な頑健性評価を実施した。その後、クロススケール注目モジュール、マルチスケール融合モジュール、および敵対的画像識別器を統合した頑健なSIRRモデルを提案する。マルチスケール機構を活用することで、クリーン画像と敵対的画像からの特徴量間の差を縮小し、モデルの耐性を向上させる。また、画像識別器は入力がクリーンかノイズを含むかを適応的に判別可能であり、これによりさらに信頼性の高い頑健性を実現する。Nature、SIR^2、Realデータセットにおける広範な実験結果から、本モデルが多様なシーンにおいてSIRRの頑健性を顕著に向上させることを示した。