透过不洁玻璃观察：一次性遮挡去除

透过窗户玻璃拍摄的图像常常因附着在玻璃表面的污染物而退化。这些污染物导致遮挡，衰减入射光并将杂散光散射到相机。现有大多数用于中和受污染玻璃影响的深度学习方法依赖于合成训练数据。少数研究者使用了真实的退化与干净图像对，但他们仅考虑去除或减轻玻璃上雨滴的影响。本文关注更具挑战性的任务：学习恢复透过被多种遮挡物（包括泥水、污垢及现实中存在的其他微小异物）污染的玻璃所拍摄的图像。为了促进这项学习任务，我们付出了巨大努力来获取带有和不带有玻璃污染物的真实配对图像。更重要的是，我们提出了一种一体化模型，通过利用单次测试时适应机制来中和不同类型的污染物。它涉及一个自监督辅助学习任务，针对每个测试图像独特的遮挡类型更新训练好的模型。实验结果表明，所提出的方法在清理真实污染图像（尤其是未见过的图像）方面，定量和定性上都优于最先进的方法。