Semi-LAR：基于线性注意力与半监督对比学习的夜间光晕去除
计算机视觉与模式识别
2026-05-19 v1
摘要
由于光晕伪影空间范围大且与场景结构纠缠在一起，去除镜头光晕具有挑战性，而现有方法严重依赖大规模成对数据。我们提出了一种半监督光晕去除框架，通过共同解决伪标签可靠性和表示判别问题，实现对未标记图像的稳定学习。我们提出了一种自适应伪标签库，通过无参考质量评估、基于动量的更新和无效标签过滤来逐步细化伪监督，有效缓解了误差累积。此外，我们提出了一种光晕感知对比损失，将受光晕污染的输入显式作为负样本，并执行块级对比学习，鼓励对光晕模式具有判别性同时与可靠伪目标保持一致的表示。在多个光晕基准上的大量实验表明，所提出的框架是模型无关的，并能持续提升性能和鲁棒性。
引用
@article{arxiv.2605.18156,
title = {Semi-LAR: Semi-supervised Contrastive Learning with Linear Attention for Removal of Nighttime Flares},
author = {Xiyu Zhu and Wei Wang and Kui Jiang and Zhengguo Li},
journal= {arXiv preprint arXiv:2605.18156},
year = {2026}
}