단일 이미지 반사 분리(Single image reflection separation, SIRS)는 대표적인 블라인드 소스 분리 과제로, 하나의 혼합 관측값에서 전달층(transmission)과 반사층(reflection)이라는 두 개의 층을 회복하는 것을 목표로 한다. 이는 매우 불안정한 문제 구조(ill-posed nature)로 인해 높은 도전성을 지닌다. 기존의 딥러닝 기반 접근법들은 일반적으로 목표 층을 개별적으로 복원하거나, 출력 단계에서 일부 제약 조건을 고려하지만, 두 스트림/브랜치 간의 상호작용을 충분히 고려하지 못하는 경우가 많다. 효율적인 정보 활용을 위해 본 연구는 이중 스트림 분해 네트워크를 구축하기 위한 일반적이면서도 간단한 상호작용 전략, 즉 "당신의 쓰레기는 나의 보물(Your Trash is My Treasure, YTMT)"을 제안한다. 구체적으로, 두 스트림이 블록 단위로 상호 통신하도록 명시적으로 강제한다. 두 구성 요소 간의 가법성(additive property)에 착안하여, ReLU 정류기(ReLU rectifier)에 의해 비활성화된 정보를 버리기보다는, 한 스트림에서 다른 스트림으로 전달함으로써 상호작용 경로를 간단히 구축할 수 있다. 널리 사용되는 SIRS 데이터셋을 대상으로 한 추론 실험과 아보레이션(Ablation) 연구를 통해 YTMT 전략의 효과성을 검증하였으며, 기존 최첨단 기법들과 비교해 뚜렷한 우수성을 입증하였다. 제안된 방법의 구현은 간단하며, 코드는 공개되어 있으며 아래 링크에서 확인 가능하다: \href{https://github.com/mingcv/YTMT-Strategy}{\textit{https://github.com/mingcv/YTMT-Strategy}}.