玻璃表面检测：利用闪光/非闪光图像中的反射动态

玻璃表面在日常生活中十分常见，通常呈无色、透明且缺乏显著特征。这些特征使得玻璃表面检测成为计算机视觉中的一个具有挑战性的任务。现有的玻璃表面检测方法始终依赖边界线索（如窗框和门框）或反射线索来定位玻璃表面，但未能充分利用玻璃本身的内在属性进行精确定位。我们观察到，在大多数真实场景中，玻璃表面前方的照度强度与其后方的照度强度不同，这导致玻璃表面上可见反射的变化。具体而言，当站在玻璃较亮的一侧并对较暗的一侧使用闪光灯时，玻璃表面上existing的反射倾向于消失。相反，当站在较暗的一侧并对较亮的一侧使用闪光灯时，玻璃表面上会出现明显的反射。基于这一现象，我们提出了一种新颖的玻璃表面检测方法——NFGlassNet，该方法利用闪光/非闪光图像中存在的反射动态。具体而言，我们提出了反射对比挖掘模块（RCMM）用于提取反射，并提出了反射引导注意力模块（RGAM）用于融合反射和玻璃表面特征，以实现精确的玻璃表面检测。为训练该网络，我们还构建了一个由3.3千张无闪光和闪光图像对组成的数据集，来自各种场景并配有相应的 ground truth 标注。大量实验表明，我们的方法在状态-of-the-art 方法方面表现优异。我们的代码、模型和数据集将在论文接受后提供。