文章题目：Robust Reflection Removal with Reflection-free Flash-only Cues
本文是港科大陈启峰老师组的一篇文章，不得不说，从learning to see in the dark到现在，陈老师组做的底层视觉的相关工作都对我很有启发。
大家做计算机视觉应该知道，计算机视觉任务大致可以分为高层（检测，分类），中层（语义分割）和底层（超分辨率..）的任务。越偏向高层的任务越需要语义的信息和人的理解，越底层的任务越注重边缘，纹理之类local的细节。其实高层任务也有偏底层的任务，如单目标跟踪（tracking）。底层任务也有需要语义理解的，今天介绍的去反光（reflection removal）就是一个。
我们平时透过玻璃看外面的风景的时候，因为玻璃的反射，所以不可避免的会有反光内容的干扰，这些反光的内容各种各样，有的情况反光强烈的时候连人都无法辨别哪些内容是反光，哪些是真实的物体信息。
因此就需要引入一些外部信息来帮助我们。最常见是采用偏光镜技术，也有一些对应的论文。但是偏光镜技术会造成颜色偏移。去年cvpr，brown组有一篇用dual pixel技术来做的。
至于用闪光图像来辅助做的，去年有一篇文章。
Siamese dense network for reflection removal with flash and no-flash image pairs. IJCV, 2020
这篇文章就是对IJCV这篇文章更进一步的探讨。
一. 理论部分：
图1 用闪光灯拍照的三种情况
我们先分析一下论文中的这张图像吧。先看图（a），蓝色矩形是玻璃后的物体，红色圆形是反射的物体。（a）就是不开闪光的时候，因为有环境光的存在（ambient light），所以相机接收到了蓝色矩形和红色圆形的信息。我们用
代替吧
再来看（c）当有闪光灯和环境光的时候，因为闪光灯是有方向性的（对着蓝色物体射）,因此反光灯的光只是照着蓝色物体，这样进入相机的信息就有了三个：环境光对着蓝色矩形，环境光对着红色圆形，反光灯对着蓝色矩形：所以总的光是
。
然后我们发现了什么?
就是剩下闪光灯对着蓝色物体的光了（图（b））。也就是说，这两个图像一减，红色圆形/反光的物体，就从相机中消失了！是不是很神奇？
可是理论很丰满，现实很骨感。科学家把这个图像拿出来一看，发现偏色的厉害T_T, 看下面那个图的Flash only image，就相当于图1（b），原图则是下图的our transmission。可能的原因是跟闪光灯的曝光和环境光的不同等的有关系。
图2
但是这个flash-only image吧，肯定可以作为一个线索来帮助去反光的。因为他的图都已经没有反光了，只是有一点色偏。
二. 工程部分：
图3
图三就是整个网络的结构，（a）就是我们第一部分说的如何得到
，也就是flash-only image的过程。（b）则是利用flash-only image，用神经网络训练去除反光的过程。
论文里的图有点迷惑，我看的时候有点懵，具体看我标的红线和蓝色线。
提几个要点吧，具体的可以去看论文:
1.（a）中可以看出，我们获得的两张图的相减是在raw域进行的。然后用isp变回rgb域。flash-only image图的白平衡其实是做的不太对的，因为他采用了另外一张图的meta-data。
2. 图（b）说的是，先预测一个反射的反光图
，再预测去反射后的图像
。至于为啥不直接预测图像
。文章中有说明白，这里限于篇幅不阐述。
三. 缺点和优点：
文章中作者自己就说了缺点，
1. 相机假如离拍摄物体比较远，闪光灯的灯到不了拍摄物体，这时候得到的flash-only image可能就是一团黑的。
2. 物体快速移动的时候，两张图像会不一样，这个缺点是所有多帧图像处理都有的缺点吧。
优点:
优点不必多说，有理论创新有工程方法创新。之前说过最佩服的是用硬件和软件结合做底层图像处理的方法。看了一下作者的主页，他们团队在去反光技术上也有很多的积累了，这篇这么solid的文章不得中cvpr啊。
代码语言：javascript复制
