图像反光能被一键去除了？港科大开源RFC，仅用一个操作，强反光也能完美去除｜CVPR2021
极市导读
本文介绍一篇来自香港科技大学中稿CVPR2021的工作，工作采用了硬件和软件结合做底层图像处理的方法，主要介绍了一种鲁棒性和精确性都很强的去反光算法，在定量指标和视觉效果上都显著超过了其他的算法。 >>加入极市CV技术交流群，走在计算机视觉的最前沿
代码以及数据集：https://github.com/ChenyangLEI/flash-reflection-removal
项目主页：https://chenyanglei.github.io/flashrr_rfc/index.html
论文：https://arxiv.org/pdf/2103.04273.pdf
利用偏振光去反射：https://github.com/ChenyangLEI/polarization-reflection-removal
本文介绍了一种非常鲁棒的去反光算法，在定量指标和视觉效果上都显著超过了其他的算法。
摘要
我们的算法主要利用了一张额外的闪光照片（Flash image）来进行去反射（Reflection Removal），只需要一步操作，我们可以极大地提升效果。本文的主要贡献有三个：
我们提出了一种新颖的提示（Reflection-free Flash-only Cues，RFC），该提示使区分反射更容易，从而进行更好地去反射。该提示非常可靠的，因为它与环境光下的反射的外观和强度无关。
我们提出了一个专用框架，该框架可以在使用RFC的同时避免引入仅闪光图像的artifacts。与最新技术相比，我们在真实数据集上的PSNR提高了5.23dB以上，SSIM提高了0.04，在LPIPS中减小了0.068。
我们构造了第一个包含raw数据和RGB数据的数据集，以用于基于闪光的去反射。
背景
什么是去反射？观察玻璃后的背景时，玻璃上有镜面反射，导致背景物体的结构、颜色清晰度下降。例如在商场中透过玻璃看商品，在展览馆中通过玻璃看作品，再例如从车窗外看车内的人。
为什么要去反射？当我们的目标是背景时，反射属于干扰信号。反射可能影响照片美观，或者影响其他算法在照片的效果（例如目标检测）。
为什么去反射比较困难？反射和背景都是自然图像，难以分辨。在许多情况下，只看图片的一部分，即便人类也无法分辨。
相关工作
单张图像去反射。在某些情况下，反射的外观可能含有一些线索。例如，在对焦在背景时，反射可能失焦，且因此看起来模糊[6,7]。当玻璃比较厚的时候，可能产生鬼影效果[4]。然而，这些线索在很多时候并不成立。现实世界中的反光很可能是清晰且无鬼影的。当反射的外观不符合算法假设时，算法的效果常常会剧烈下降。
多张图像去反射。一些去反射方法[5]利用在反射和背景的不同运动状态来进行去反射。但是，拍摄不同的运动图像会花费更多的精力（用户需要移动手机）。还有一些方法[3]利用了偏振光，但是偏振相机还没有被广泛运用。
基于闪光去反射。闪光灯的其他特点曾被许多工作应用过。Agrawal等人[1]假设图像的梯度方向在闪光和环境光下是一致的。但是，它们在不理想的区域（例如，阴影，镜面反射）很难生成合理的结果。此外，它们的结果往往过于平滑。SDN[2]假设可以通过闪光明显抑制反射，但是抑制效果对环境光下的反射强度敏感：当反射较强时，抑制不再有效。下文将介绍，在相同的设置之下，我们的算法效果上显著超过这两种算法。
Reflection-free Flash-only Cues (RFC)
首先介绍一个概念，纯闪光图片（Flash-only image）。
和一般的单张图片去反射方法上图(a) 相比，我们的方法需要多拍摄一张闪光照片图(b)。我们命名环境光照（ambient illumination）下的图片为，加上闪光光照（flash illuminating）的图片为。我们处理得到的图片是上图(c)，纯闪光图片。如何获得？
注意此处我们需要这两张图片的raw image，因为sRGB图片的数值和光照并非线性相关。R和T分别表示闪光和背景。式子（3）是最关键的一步操作。由式子（3）可以知道，环境光照下的反光已经完全消失，但是还有flash-only光照下的反光。我们认为，它在大多数情况下为0。因为闪光灯具有方向性，只会照亮前面的东西，不会照亮后面的东西。而玻璃的反光在经过多次弹射之后进入相机已经比较弱了。
网络结构
虽然纯闪光照片不包含任何的（环境光下的反光），但是这张图片本身存在很多质量上的问题，包括：（1）偏色；（2）不均匀光照（由物体的远近和形状导致）；（3）闪光灯反光；（4）新的阴影或者被照亮的灰尘。如下图：
我们需要设计一种结构，既可以利用到RFC的优点，又能规避上述纯闪光图片I_{fo}的缺陷。因此我们设计了一个两阶段的框架，第一个阶段只预测R_a，第二阶段再预测T_a。我们框架的目的是让最终得到的图片依赖于I_a而非I_{fo}，而I_{fo}只作为一个参考图片。这样子，的artifacts在第一个阶段就可以被拦截了。
如果单纯利用一个网络来预测会怎么样呢？我们实验发现网络倾向于从生成最终的结果，上述的多种artifact就会被引入。
实验结果
我们对比了两类算法：单图去反射算法和基于闪光的去反射算法。
上表展示了定量对比的结果，我们的表现显著超过了其他算法（包括其他基于闪光的去反光算法）。
上图展示了一个视觉对比结果，我们的算法在强的反光下仍然可以去掉反光，这主要得益于纯闪光图片的引导。
上图展示了一个视觉对比结果，我们的算法可以鲁棒地去掉反光。
上图展示了一个视觉对比结果，和最新的基于闪光的去反射算法相比较（SDN, IJCV2020），我们可以更好的去掉强反光（当然，弱的反光更不在话下）。
讨论与总结
我们相信纯闪光图片还可以被运用到很多其他的领域中。例如，我们发现环境光下的阴影也会在中消失，也就是说，也可以用去阴影。其次，在纯反光图片中只有一个光源，这对于很多领域也是非常重要的，例如photometric stereo。
由于我们的reflection-free cues，我们的算法的鲁棒性和精确性都很强，这从很多实验结果中也可以得到印证。尽管我们需要多拍一张照片，但是可以通过客制的程序来以很小的代价实现这一点（连拍两张照片）。我们的缺点在于，当物体离玻璃很远时，闪光灯可能无法照到物体，那么就全黑了，当然，这也是多数active-sensing的共同缺点，存在距离限制。