RevealLayer：通过遮挡感知图像分解解缘隐藏与可见层
计算机视觉与模式识别
2026-05-13 v1
摘要
近期基于扩散的方法在图像层分解方面取得了显著进展。然而，准确分解复杂的自然图像仍然具有挑战性，主要due于遮挡完成、鲁棒层分离以及精确前景边界的困难。此外，高质量多层自然图像数据集的稀缺性限制了进一步的发展。为此，我们提出了 RevealLayer，一种基于扩散的框架，将 RGB 图像分解为多个 RGBA 层，实现精确的层分离和可靠的遮挡内容恢复。RevealLayer 包含三个关键组件：(1) 区域感知注意力模块用于解缘隐藏和可见层；(2) 遮挡引导的适配器用于利用上下文信息增强重叠区域；(3) 复合损失以确保锐利的 alpha 边界并抑制残余伪影。为支持训练和评估，我们引入 RevealLayer-100K，一个通过自动算法与人工标注协作构建的高质量多层自然图像，并进一步建立 RevealLayerBench 用于一般自然场景下的层分解基准。大量实验表明，RevealLayer 在层分解方面 consistently 优于现有方法。
引用
@article{arxiv.2605.11818,
title = {RevealLayer: Disentangling Hidden and Visible Layers via Occlusion-Aware Image Decomposition},
author = {Binhao Wang and Shihao Zhao and Bo Cheng and Qiuyu Ji and Yuhang Ma and Liebucha Wu and Shanyuan Liu and Dawei Leng and Yuhui Yin},
journal= {arXiv preprint arXiv:2605.11818},
year = {2026}
}