Nov, 2023

野外单张图像去除映像的再审视

PDF
TL;DR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。
single-image reflection removalreal-world conditionsreflection collection pipelineperception of reflection locationsmaximum reflection filter
发现论文，激发创造
  • 利用反射强度先验知识的单图像去除反射

    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

  • 超高清图像反射去除的基准测试

    在本文中，我们通过合成两个大规模的 UHD 数据集（UHDRR4K 和 UHDRR8K），对六种最新的 SIRR 方法在 UHD 图像上的效果进行了综合评估，讨论了这些方法在 UHD 图像上的优缺点，并提出了一种基于 Transformer 架构的 RRFormer 来进行反射去除。实验证明，RRFormer 在非 UHD 数据集和我们提出的 UHDRR 数据集上均取得了最先进的性能。

    Aug, 2023

  • 具反射感知引导的两阶段单图像反射去除

    本文提出了一种新的、基于深度神经网络的反射光去除算法，该算法采用两个级联模型，第一个模型用于估计反射层，第二个模型则利用反射层信息指导透射层估计，该算法在五个不同数据集上的实验表明其在定量和定性上比目前最先进的算法表现得更好。

    Dec, 2020

  • 一个有着多样真实场景的分类去反射数据集

    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

  • 利用不对齐的训练数据和网络增强进行单幅图像反射消除

    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

  • CRRN: 多尺度导向并发反射去除网络

    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

  • 基于位置感知的单张图像反射去除

    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

  • 野外完美对准的偏振反射移除

    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

  • 语义引导的单张图像去反射

    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

  • 基于物理训练图像的单图片反射消除

    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