日常生活中带有水印的图片很常见，即使是PS专家，也很难快速且不留痕迹的去除水印。而使用智能去除水印的算法，可以快速自动去除图片中的水印。选手需要通过深度学习技术训练模型，对给定的真实场景下采集得到的带有水印的图片进行处理，并最终输出处理后的扫描结果图片。本次比赛希望选手结合当下前沿的图像处理技术与计算机视觉技术，提升模型的训练性能和泛化能力，在保证效果精准的同时，注意模型在实际应用中的性能问题，做到尽可能的小而快。 在本次比赛最新发布的数据集中，所有的图像数据均由真实场景采集得到，再通过技术手段进行相应处理，生成可用的脱敏数据集。该任务为image-to-image的形式，因此源数据和GT数据均以图片的形式来提供。
对于A榜来说，测试集是20张图像连续的，只是水印不同，所以我们设计的是一个多帧联合去水印的网络，输入是将20张图concat，输入网络，网络就是采用的unet，最后在输出的时候并不是直接输出图像，而是输出一个203H*W的权重，然后与输入相乘得到最后的结果。通过简单的unet就可以达到46的psnr，做进一步的后处理，将20张图两两匹配，计算其中rgb相等的地方，用该区域的rgb值替换掉结果，最后在A榜可以达到52的psnr，排名第一。对于B榜，只有单张图像，所以翻车了，只用unet训练了一下就提交了，最后结果psnr达到37。