GFRRN：探索单图像反射移除中的间隙
计算机视觉与模式识别
2026-03-02 v2
摘要
先前的双流式方法通过特征交互机制在单图像反射移除(SIRR)方面取得了显著的性能。然而，这些方法常常在以下方面存在挑战：(1) 预训练模型特征与反射移除模型特征之间存在语义理解间隙，(2) 合成和真实世界训练数据之间的反射标签不一致。在本工作中，我们首先采用参数高效微调(PEFT)策略，通过整合几个可学习的Mona层到预训练模型中来对齐训练方向。然后，设计了一个标签生成器，用于统一合成和真实世界数据中的反射标签。此外，提出了基于高斯的自适应频率学习块(G-AFLB)，用于自适应学习和融合频率先验，并采用动态代理注意(DAA)作为窗口基注意的替代方案，通过动态建模跨窗口( inter-)和单个窗口内(intra-)的显著性水平。这些组件构成了我们提出的Gap-Free反射移除网络(GFRRN)。广泛的实验表明，GFRRN的有效性，在对比最先进的SIRR方法时实现了卓越的性能。
引用
@article{arxiv.2602.22695,
title = {GFRRN: Explore the Gaps in Single Image Reflection Removal},
author = {Yu Chen and Zewei He and Xingyu Liu and Zixuan Chen and Zheming Lu},
journal= {arXiv preprint arXiv:2602.22695},
year = {2026}
}
备注
CVPR26