生成单图反射移除的隐空间校正
计算机视觉与模式识别
2025-12-09 v1
摘要
单图反射移除高度欠定问题，现有方法难以推理受损区域的组成，导致在野外场景下恢复和泛化时失败。本工作将编辑目的的潜在扩散模型重新框定，以有效感知和处理高度模糊的叠加图像输入，生成高质量输出。我们认为，这一转换挑战源于一个关键且被忽视的问题，即语义编码器的隐空间缺乏将复合图像解释为其组成层线性叠加的内在结构。本方法基于三个协同组件：反射等变 VAE 将隐空间与反射形成的线性物理对齐；可学习的任务特定文本嵌入实现精准引导，绕过模糊语言；深度引导的早期分支采样策略以发挥生成随机性获取有希望的结果。大量实验表明，本模型在多个基准测试上实现新的 SOTA 水平，并对具有挑战性的真实场景具有良好泛化能力。
引用
@article{arxiv.2512.06358,
title = {Rectifying Latent Space for Generative Single-Image Reflection Removal},
author = {Mingjia Li and Jin Hu and Hainuo Wang and Qiming Hu and Jiarui Wang and Xiaojie Guo},
journal= {arXiv preprint arXiv:2512.06358},
year = {2025}
}