https://mp.weixin.qq.com/s/dqjW0mBC3c6j0H1-aTklNQ
本篇文章繼續總結CVPR 2021 底層圖像處理相關論文，方向包含去陰影、去反光、去高光、去偽影等。共計 11 篇。
大家可以在：
https://openaccess.thecvf.com/CVPR2021?day=all
按照題目下載這些論文。
如果想要下載所有CVPR 2021論文，請點擊這里：
高光檢測與去除
A Multi-Task Network for Joint Specular Highlight Detection and Removal
本文所提出網絡是針對自然圖像高光檢測與去除所設計，為了消除合成訓練樣本和真實測試圖像之間的域差距，首先引入一個包含約 16K 真實圖像的數據集，每張圖像都有相應的高光檢測和去除高光的ground truths 。作者利用所提供的數據集，開發一個多任務網絡，基於一個新的鏡面高光圖像形成模型，用於聯合高光檢測和去除。
在基准數據集和文中所引入新數據集上的實驗表明，該方法在高光檢測和去除方面都明顯優於最先進的方法。
作者 | Gang Fu、Qing Zhang、Lei Zhu、Ping Li、Chunxia Xiao
單位 | 武漢大學；中山大學；劍橋大學；香港理工大學
論文 | https://openaccess.thecvf.com/content/CVPR2021/papers/Fu_A_Multi-Task_Network_for_Joint_Specular_Highlight_Detection_and_Removal_CVPR_2021_paper.pdf
HDR Deghosting去偽影
Labeled from Unlabeled: Exploiting Unlabeled Data for Few-shot Deep HDR Deghosting
作者稱這是首個探索用無標簽圖像進行 Deep HDR Deghosting 的零樣本和少樣本學習的工作。該方法從無標簽的動態數據中生成有標簽的動態訓練數據。在兩個公開的數據集上，該方法只用 5 個標記的動態樣本和未標記的樣本進行訓練，取得了與現有的在完整的數據集上以監督方式訓練的方法相當的結果，甚至更好。
作者 | K Ram Prabhakar、Gowtham Senthil、Susmit Agrawal、R.Venkatesh Babu、Rama Krishna Sai S Gorthi單位 | 印度科技學院；印度理工學院論文 | https://openaccess.thecvf.com/content/CVPR2021/papers/Prabhakar_Labeled_From_Unlabeled_Exploiting_Unlabeled_Data_for_Few-Shot_Deep_HDR_CVPR_2021_paper.pdf
Removing Diffraction Image Artifacts in Under-Display Camera via Dynamic Skip Connection Network
文中提出 DynamIc Skip Connection Network（DISCNet），將圖像成像模型的領域知識納入網絡設計，用於恢復 UDC 圖像。通過對合成和真實的 UDC（顯示器下攝像頭） 數據進行廣泛的實驗，證明了該方法的有效性。
作者 | Ruicheng Feng, Chongyi Li, Huaijin Chen, Shuai Li, Chen Change Loy, Jinwei Gu單位 | 南洋理工大學；Tetras.AI；上海人工智能實驗室論文 | https://arxiv.org/abs/2104.09556代碼 | https://github.com/jnjaby/DISCNet主頁 | https://jnjaby.github.io/projects/UDC/
圖像隱寫
Large-capacity Image Steganography Based on Invertible Neural Networks
文中提出 Invertible Steganography Network（ISN），用於圖像隱寫，其中同一網絡的 forward 和 backward 傳播操作被利用來分別嵌入和提取隱藏的圖像。極大地提高了隱寫術的有效載荷容量，並且可以很容易地適用於隱藏多個具有高度不可知性的圖像。綜合實驗表明，隨着隱寫術有效載荷容量的顯著提高，ISN 方法在視覺上和量化上都達到了最先進的水平。
作者 | Shao-Ping Lu、Rong Wang、Tao Zhong、Paul L. Rosin單位 | 南開大學；卡迪夫大學論文 | https://openaccess.thecvf.com/content/CVPR2021/papers/Lu_Large-Capacity_Image_Steganography_Based_on_Invertible_Neural_Networks_CVPR_2021_paper.pdf
場景恢復
Rank-One Prior: Toward Real-Time Scene Recovery
場景恢復是一些實際應用的基本成像任務，如視頻監控和自動駕駛車輛等。為了改善不同天氣/成像條件下的視覺質量，作者提出一種實時光校正方法，以恢復沙塵暴、水下和霧霾情況下的降質場景。
該工作的核心是，提出一個強度投影策略來估計光線傳輸，傳輸估計的復雜度為O(N)N是單幅圖像的大小，然后進行實時恢復場景。
在不同類型的天氣/成像條件下的綜合實驗表明，所提出方法在效率和魯棒性方面優於幾種最先進的成像方法，具有競爭力。
作者 | Jun Liu, Ryan Wen Liu, Jianing Sun, Tieyong Zeng單位 | 東北師范大學；武漢理工大學；香港中文大學論文 | https://arxiv.org/abs/2103.17126
Shadow Removal去陰影
Auto-Exposure Fusion for Single-Image Shadow Removal
用於單幅圖像陰影去除的自動曝光融合
作者 | Lan Fu, Changqing Zhou, Qing Guo, Felix Juefei-Xu, Hongkai Yu, Wei Feng, Yang Liu, Song Wang單位 | 南卡羅萊納大學；南洋理工大學；阿里；克里夫蘭州立大學；天津大學論文 | https://arxiv.org/abs/2103.01255代碼 | https://github.com/tsingqguo/exposure-fusion-shadow-removal
From Shadow Generation to Shadow Removal
文章提出 G2R-ShadowNet，利用陰影生成進行弱監督的陰影去除，只使用一組陰影圖像及其相應的陰影掩碼進行訓練。G2R-ShadowNet 由三個子網絡組成，分別用於陰影生成、陰影去除和細化，並以端到端的方式被聯合訓練。具體來說，陰影生成子網將非陰影區域定型為陰影區域，導致訓練陰影消除子網的數據成對。
在 ISTD 數據集和 ideo Shadow Removal 數據集上的廣泛實驗表明，所提出的 G2R-ShadowNet 在與SOTA的競爭中取得了優異的表現，並且超過了 Le 和 Samaras 的基於 patch 的陰影消除方法。
作者 | Zhihao Liu, Hui Yin, Xinyi Wu, Zhenyao Wu, Yang Mi, Song Wang單位 | 北京交通大學；南卡羅萊納大學；中國農業大學論文 | https://arxiv.org/abs/2103.12997代碼 | https://github.com/hhqweasd/G2R-ShadowNet
No Shadow Left Behind: Removing Objects and their Shadows using Approximate Lighting and Geometry
圖像編輯中去掉目標之后，連同陰影一同去除，且毫無違和感
作者 | Edward Zhang、Ricardo Martin-Brualla、Janne Kontkanen、 Brian Curless單位 | 華盛頓大學；谷歌論文 | https://openaccess.thecvf.com/content/CVPR2021/papers/Zhang_No_Shadow_Left_Behind_Removing_Objects_and_Their_Shadows_Using_CVPR_2021_paper.pdf
Reflection Removal去反射
Robust Reflection Removal with Reflection-free Flash-only Cues
僅使用閃爍線索進行魯棒的反射去除
作者 | Chenyang Lei, Qifeng Chen單位 | 香港科技大學論文 | https://arxiv.org/abs/2103.04273代碼 | https://github.com/ChenyangLEI/flash-reflection-removal
Single Image Reflection Removal with Absorption Effect
具有吸收效應的單圖像反射去除
作者 | Qian Zheng、Boxin Shi、Jinnan Chen、Xudong Jiang、Ling-Yu Duan、Alex C. Kot單位 | 南洋理工大學；北大；鵬城實驗室論文 | https://openaccess.thecvf.com/content/CVPR2021/papers/Zheng_Single_Image_Reflection_Removal_With_Absorption_Effect_CVPR_2021_paper.pdf代碼 | https://github.com/q-zh/absorption
Panoramic Image Reflection Removal
全景圖像反射光去除
作者 | Yuchen Hong、Qian Zheng、Lingran Zhao、Xudong Jiang、Alex C. Kot、Boxin Shi單位 | 北大；南洋理工大學；鵬城實驗室論文 | https://openaccess.thecvf.com/content/CVPR2021/papers/Hong_Panoramic_Image_Reflection_Removal_CVPR_2021_paper.pdf