语义引导的单张图像去反射
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
本文讨论了单幅图像去反射问题的不确定性,提出了一种基于灵活交互的去反射方法,利用稀疏人工引导作为辅助高级先验,通过转化人工输入形式并设计掩码引导的去反射网络,实现了在各种数据集上具有领先性能的反射去除。
Jun, 2024
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
本文介绍了一种基于深度学习的方法,利用极化光学的属性对记录的辐照度的反射和透射成分进行分离,并通过准确的合成数据生成管道进行训练,以模拟现实世界中包括曲面和非理想表面产生的反射、非静态场景和高动态范围场景等,从而提高在半反射体引起的反射对计算机视觉算法性能的干扰相关应用的鲁棒性和泛化能力。
Dec, 2017
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
本文提出了一种基于位置感知的深度学习单图像去反射新方法,在该网络中,反射检测模块回归一个概率性反射信念图,采用多尺度拉普拉斯特征作为输入,设计了一种递归网络,用于逐步精细调整照射和反射层。
Dec, 2020
本文研究了语言引导的反射分离问题,通过引入语言描述以提供层次内容,解决了反射分离问题。我们提出了一个统一的框架来解决这个问题,该框架利用交叉注意力机制和对比学习策略构建语言描述和图像层之间的对应关系。采用门控网络设计和随机训练策略来处理可识别层的模糊性。基于定性和定量比较验证了所提方法相对于现有的反射分离方法的显著性能优势。
Feb, 2024
本文提出了一种基于优化问题的反射去除技术,结合用户交互方式和保留细节的 $H^2$ 保真度项,在反射去除领域具有不错的表现。
May, 2018
本文研究了利用高斯混合模型片段先验来解决图像分解中面临的逆问题。通过在一个稀疏的补丁集合中选择其中一个模式,自动完成分解。实验结果展示了该方法在合成和实际反射图像中的性能。
Feb, 2017
该论文介绍了一种用于解决实际场景中的单幅图像去反射问题的方法,通过提取反射强度先验并结合反射去除网络的设计,在真实世界的基准测试上取得了最先进的准确率。
Dec, 2023