提出了一种利用闪光补偿图像去除环境反射的方法，并开展了实验以进一步验证该方法的有效性，此方法的源代码和数据集也是公开的。

Nov, 2022

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

本论文提出了一种针对野外未知环境光逆渲染的实用光度解决方案，利用智能手机内置闪光灯作为微控光源并将图像强度分解成两个光度分量，其方法无需成对捕获闪光 / 非闪光图像，能够解耦反射和照明，并实现物理精确的光度约束，具有易于实现、适用于非黑房环境且性能优于现有技术的特点。

Mar, 2023

本文提出了一种基于神经网络的方法，用于去噪在低光环境下拍摄的带和不带闪光灯的图像对，旨在产生高质量的场景呈现，同时保留噪声的无闪光图像的颜色和情绪，同时恢复闪光所揭示的表面纹理和细节。

Dec, 2020

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

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

本文提出了一种名为 Concurrent Reflection Removal Network (CRRN) 的反射去除网络，该网络利用图像外观信息和多尺度梯度信息提出了一种新的、基于人类感知的损失函数，并应用于新的 3250 张真实世界场景下的反射图像数据集上进行了训练及与基准数据集的对比实验，结果表明该方法胜过了同类先进方法。

May, 2018