CVPR 2025 | 单图像反射去除的可逆解耦网络

主要观点总结

本文详细介绍了论文“Reversible Decoupling Network for Single Image Reflection Removal”的主要内容和创新点。论文提出了一种新型网络架构可逆解耦网络（RDNet），采用多列可逆编码器、透射率感知提示生成器和层次解码器等技术，更好地保留丰富语义信息，有效缓解单图像反射去除任务的不适定性。实验结果表明，该网络在五个广泛使用的基准数据集上优于现有最优方法，并在NTIRE 2025野外单图像反射去除挑战赛中取得最佳性能。

关键观点总结

关键观点1: 论文提出新型网络架构可逆解耦网络（RDNet）

RDNet采用基于部分-整体层次结构的多列可逆编码器和定制的层次解码器，能更好地保留丰富语义信息。

关键观点2: 设计自适应提示生成器

开发了传输率感知提示生成器（TAPG），在训练过程中学习通道缩放因子，并在测试时将此知识作为先验，指导分解网络选择更准确的透射-反射比率，显著增强模型的泛化能力。

关键观点3: 采用多机制信息交互

RDNet通过同一级别的可逆连接和相邻级别的双向交互，有效解耦多尺度特征，确保分层信息在分解网络中无损传播。

关键观点4: 实验验证和论文推广

大量实验表明，RDNet在五个广泛使用的基准数据集上优于现有最优方法，并在NTIRE 2025野外单图像反射去除挑战赛中取得最佳性能。此外，论文还介绍了PaperEveryday平台，鼓励高校实验室或个人分享自己的论文，让更多人了解他们的研究工作。