这篇论文介绍了第一个大规模的 3D 反射检测数据集，包含超过 50,000 个多返回 Lidar、RGB 图像和 2D/3D 语义标签样本，在各种室内环境中，含有不同类型的反射。通过纹理化的 3D 地面真实网格实现自动点云标注，提供精确的地面真实标注。详细的评估对比了三种 Lidar 点云分割方法，以及当前最先进的图像分割网络对玻璃和镜子的检测。该数据集通过提供准确的全局对齐、多模态数据和各种反射物体和材料，推动了反射检测的进一步研究。该数据集可以在指定的 http 链接公开获取。

Mar, 2024

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

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

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

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

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