利用扩散先验和多样化数据消除任意图像的反射

由于目标场景与不需要的反射之间存在复杂的纠缠，因此单幅图像的反射去除仍然是一项极具挑战性的任务。尽管取得了重大进展，但现有方法受到高质量、多样化数据稀缺和恢复先验不足的阻碍，导致在各种现实场景中的推广有限。提出了 Dereflection Any Image，这是一种全面的解决方案，具有高效的数据准备流程和可推广的稳健反射去除模型。首先，我们引入了一个名为“多样化反射去除”（DRR）的数据集，该数据集由目标场景中的反射介质随机旋转创建，可实现反射角度和强度的变化，并在规模、质量和多样性方面树立了新的标杆。其次，提出了一种基于扩散的框架，该框架具有一步扩散功能，可实现确定性输出和快速推理。为了确保稳定的学习，设计了一个三阶段渐进式训练策略，包括反射不变微调，以鼓励在数据集的各种反射模式中实现一致的输出。大量实验表明，方法在常见基准和具有挑战性的野外图像上都实现了 SOTA 性能，并展现出在不同现实世界场景中的卓越泛化能力。

paper:https://arxiv.org/pdf/2503.17347v1
github:https://github.com/Abuuu122/Dereflection-Any-Image