自适应语言感知图像反射移除网络
计算机视觉与模式识别
2026-03-09 v1
摘要
现有图像反射移除方法难以处理复杂反射。准确的语言描述可以帮助模型理解图像内容以移除复杂反射。然而，由于反射图像中的模糊和失真干扰，机器生成的图像内容描述往往不准确，这会损害语言引导的反射移除性能。为此，我们提出自适应语言感知网络（ALANet）以处理不准确的语言输入。具体而言，ALANet集成了过滤和优化策略。过滤策略减少语言的负面影响，同时保留其优势；优化策略增强语言与视觉特征之间的对齐。ALANet还利用语言线索将特定层级内容从特征图中解耦，提高了处理复杂反射的能力。为评估模型在复杂反射和语言准确性变化情况下的性能，我们引入了复杂反射与语言准确性变异（CRLAV）数据集。实验结果表明，ALANet在图像反射移除任务中超越了当前最先进的方法。代码和数据集已发布于https://github.com/fashyon/ALANet。
引用
@article{arxiv.2603.06200,
title = {Adaptive Language-Aware Image Reflection Removal Network},
author = {Siyan Fang and Yuntao Wang and Jinpu Zhang and Ziwen Li and Yuehuan Wang},
journal= {arXiv preprint arXiv:2603.06200},
year = {2026}
}
备注
IJCAI 2025