基于双先验交互转换器的单图像反射分离
计算机视觉与模式识别
2026-02-17 v3 人工智能
摘要
单图像反射分离旨在从混合图像中分离出传输层和反射层。现有方法通常将来自预训练模型的通用先验与特定任务先验（如文本提示和反射检测）相结合。然而，作为最直接的目标传输层任务特定先验的传输先验，尚未有效建模或充分利用，限制了性能在复杂场景中的表现。为此，本文提出一种基于轻量级传输先验生成和有效先验融合的双先验交互框架。首先，我们设计了Local Linear Correction Network（LLCN），其基于物理约束T=SI+B（其中S和B分别表示像素级和通道级的缩放和偏置变换）对预训练模型进行微调，高效生成高质量的传输先验。其次，我们构建Dual-Prior Interaction Transformer（DPIT），采用双流通道重组织注意力机制。通过对通用先验和传输先验的特征进行重组织注意力计算，DPIT实现了两者的深度融合，充分利用它们的互补信息。实验结果表明，所提方法在多个基准数据集上实现了最先进的性能。
引用
@article{arxiv.2505.12641,
title = {Single Image Reflection Separation via Dual Prior Interaction Transformer},
author = {Yue Huang and Tianle Hu and Yu Chen and Zi'ang Li and Jie Wen and Xiaozhao Fang},
journal= {arXiv preprint arXiv:2505.12641},
year = {2026}
}