DeflareMamba：用于实现镜头光晕去除的层次化视觉 Mamba 模型
计算机视觉与模式识别
2025-08-05 v1 图像与视频处理
摘要
镜头光晕去除仍是图像背景与光学光晕之间信息混淆的挑战，由于光源与相机镜头之间复杂的光学相互作用。虽然最近的解决方案在分离光晕干扰方面显示出前景，但往往无法维持上下文一致性，导致光晕去除不完整且不一致。为消除这一局限，我们提出了 DeflareMamba，该模型利用状态空间模型的高效序列建模能力，同时保持捕获局部-全局依赖关系的能力。特别地，我们设计了一种层次化框架，通过不同步幅的采样模式建立长程像素相关性，并利用局部增强的状态空间模型同时保留局部细节。迄今为止，这是首个将状态空间模型引入光晕去除任务的工作。广泛的实验表明，我们的方法有效地去除了包括散射光晕和反射光晕在内的各种类型光晕痕迹，同时保持非光晕区域的自然外观。进一步的下游应用表明，我们的方法具有提高视觉物体识别和跨模态语义理解能力。代码可在 https://github.com/BNU-ERC-ITEA/DeflareMamba 查看。
引用
@article{arxiv.2508.02113,
title = {DeflareMamba: Hierarchical Vision Mamba for Contextually Consistent Lens Flare Removal},
author = {Yihang Huang and Yuanfei Huang and Junhui Lin and Hua Huang},
journal= {arXiv preprint arXiv:2508.02113},
year = {2025}
}
备注
Accepted by ACMMM 2025