通过机器学习和数据合成技术，我们能够第一次成功地训练神经网络来去除镜头光晕，从而对各种不同模式的光斑进行了更加准确的去除。

Nov, 2020

本文提出了一种生成包含散射耀斑和对称反射背景的散斑恶化数据对的方法，可用于提高散斑去除算法的效果和评估方法。

Jun, 2023

镜头光晕是一种常见的图像伪影，可以显著降低图像质量并影响计算机视觉系统的性能。本调查综述了镜头光晕的多方面领域，包括其基本物理、影响因素、类型和特征。研究了光晕形成的复杂光学机制，涉及镜头系统内部反射、散射、衍射和色散等因素。探讨了光晕的各种类型，包括散射、反射、眩光、球体和星芒等。分析了形状、颜色和定位等关键属性。讨论了影响光晕出现的众多因素，包括光源属性、镜头特性、相机设置和场景内容。调查广泛涵盖了用于光晕去除的各种方法，包括硬件优化策略、经典图像处理技术和使用深度学习的基于学习的方法。描述了为训练和评估目的创建的开创性光晕数据集以及它们的创建方式。探讨了常用的性能度量指标，如 PSNR、SSIM 和 LPIPS。突出了光晕复杂且数据相关特征带来的挑战。调查提供了最佳实践、限制和有希望的未来发展方向，以便进行光晕去除研究。通过审视最新的技术发展，可以深入了解光晕现象的固有复杂性和现有解决方案的能力。这可以为处理镜头光晕伪影和提高各种应用的视觉质量提供信息和灵感。

Oct, 2023

通过合成先验引导的 Flare7K * 数据集，该研究提出了一种自适应聚焦模块（AFM），可在处理多个散射耀斑时适应性遮罩清晰区域，实验表明该数据合成方法能更好地模拟真实场景并取得了最先进的性能。

Mar, 2024

本研究提出了一个基于计算的方法，自动检测和去除光晕点假象，该方法基于光晕点的本质特性进行表征，定义了一种新的置信度量来选择光晕点候选者并给出了一个确定光晕区域的方法，然后利用基于样本的修补法来去除所检测的假象。我们的算法在定量和定性方面都取得了顶级性能。

Mar, 2021

改进镜头反光去除的性能和推进到更一般情况的边界的解决方案。

Aug, 2023

本研究描述了一种用于消费者摄影的去除真实世界反射的系统，该系统操作于线性（RAW）照片，并可选择地添加一张朝相反方向拍摄的上下文照片来消除反射干扰。该系统使用合成的真实世界 RAW 图像组合进行训练，利用光度学和几何上准确的反射模拟。我们的系统包括一个基础模型，接受捕获的照片和可选的上下文照片作为输入，以 256p 的分辨率处理，然后通过一个上采样模型将输出的 256p 图像转换为全分辨率。该系统在 iPhone 14 Pro 上可在 6.5 秒内生成 1K 分辨率的图像，我们对在实地拍摄的 RAW 照片进行了测试，这些照片体现了典型的消费者照片。

Feb, 2024

本研究提出了一个基于模型的优化框架，用于从加工样本的空间频率响应中构建代理相机，进而为训练基于学习的算法提供光学畸变和随机制造偏差的合成数据对，并利用超扩张全方位动态卷积来纠正制造降解，从而实现全面的计算摄影。

May, 2023

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

本文介绍了 Flare7K++ 数据集和端到端管道，提供了消除夜间人工光源伴随光晕的可靠方法，并在此任务上推动前沿。

Jun, 2023