提出一种新颖的方法，使用极化图像来消除反射，该方法解决了现有反射去除数据集中由于玻璃折射导致反射区域与无反射区域的不完全对齐问题。该方法还采用了双阶段架构的极化反射消除模型和一种新的感知 NCC 损失，可以在反射消除和图像分解任务方面提高性能，并在大量的实验中证明其胜过现有的反射消除方法。

Mar, 2020

这篇论文研究了反射去除的问题，提出了使用极化图像进行反射分离的极化 - 极化方法，并采用循环框架来逐步优化反射和传输分离的结果，实验证明该方法优于其他现有方法。

Feb, 2024

本文利用目标网络增强和不对齐数据的新颖用途，解决了单张图像反射去除的困难问题，在含有强烈反射区域的上下文编码模块和对齐不变损失函数的引入下，实现了对真实世界情况的显著改进。

Apr, 2019

本文提出了基于物理渲染的方法，通过 RGBD/RGB 图像确定网格，进行光传输仿真，合成训练数据并在此基础上进行基于深度学习的单张图像反射分离。同时，引入回溯网络模块（BT-net）来去除图像噪点、模糊和偏焦等问题。实验结果表明，相比于现有技术，本文方法在视觉效果和数值优化上都具有明显优势。

Apr, 2019

本文提出使用对象语义作为指导力量，强制将相同对象分配到同一层次来解决玻璃窗后的图像反射问题，并在不同数据集上进行了实验证明该方法的显著性能优势及其在计算机视觉任务中的应用。

Jul, 2019

本研究提出了一个新的、基于实际场景并分类的反光去除数据集，通过对多种反光类型的分析和对数据集上多种反光去除方法的测试，表明现有反光去除方法对于模糊反射有良好的表现，但对于其他类型的反光则很难得到令人满意的结果。我们相信我们的数据集可以帮助开发更好的反光去除方法。

Aug, 2021

本文提出了一种使用凸模型来抑制图像中反射的方法，其包含了梯度阈值的偏微分方程，并使用离散余弦变换高效地求解，通过实验验证其在合成和现实场景中都能够有效地抑制反射并大大减少处理时间。

Mar, 2019

本篇论文研讨了一种基于极化成像模态的新型物体识别技术，证明该技术在恶劣气候条件下比 RGB 图像更具有效性，能有效提高不同检测任务的状态机会 20% 至 50%。

Oct, 2019

该论文提出了一种基于偏振引导模型的表面光泽反射分离方法，该方法可以帮助确定反射光在实际场景中的颜色，并通过优化函数解决了表面光泽反射问题，该方法在一些复杂的情况下表现良好。

Mar, 2021

本研究关注单幅图像反射去除（SIRR）的问题，从两个角度进行研究：真实反射对的收集流程和真实反射位置的感知。我们设计了一个适应广泛真实世界反射场景的先进反射对收集流程，并在收集大规模对齐反射对方面降低成本。在此过程中，我们创建了一个大规模、高质量的反射数据集，命名为野外反射去除（RRW）。RRW 包含超过 14,950 对高分辨率真实世界反射图像，比先前的数据集大 45 倍。在反映位置感知方面，我们发现反射图像中可见的许多虚拟反射对象在对应的标准图像中并不存在。这一观察结果启发我们构想了最大反射滤波器（MaxRF）。MaxRF 能够准确明确地表征图像对中的反射位置。在此基础上，我们设计了一种反射位置感知的级联框架，专门用于 SIRR。借助这些创新技术，我们的解决方案在多个真实世界基准测试中实现了优越的性能。代码和数据集将公开提供。

Nov, 2023