在通过玻璃等反射材料拍摄时，图像常出现透射场景与反射场景叠加的问题，影响画面清晰度。传统反光消除技术虽有所进展，但面对复杂反光模式和变化光照条件时，仍难以避免残留伪影，降低图像质量。

人工智能的发展为这一问题提供了新的解决路径。韩国蔚山科学技术院人工智能研究生院Jae-Young Sim教授带领团队，研发出一款创新的AI模型，能有效分离反光与透射场景，从而获得更清晰真实的图像。相关研究成果已发表于《IEEE Transactions on Image Processing》期刊。

针对现有方法在复杂、空间异质反光场景中表现不佳的局限，该团队开发了一种智能分割叠加图像的技术，进行针对性分析。这种方法能精确去除反光，同时保持透射场景的完整性。

该模型的核心技术包括互补专家混合（CoME）和互补交叉注意力（CoCA）。CoME采用专家混合架构，根据局部反光特征，将专用神经网络动态分配至图像不同区域，专家协同分析透射与反射层，交换信息提升分离准确度，尤其在多样化反光模式区域效果显著。

CoCA则通过考虑强相关和弱相关区域来优化重建过程。不同于传统注意力机制仅关注高度相关区域，CoCA识别到有意义的反光细节也可能存在于相关性较弱区域，从而实现更全面有效的分离。

在多样化真实世界数据集上的评估显示，该方法在视觉质量和定量性能上均超越现有先进技术。即使在具有复杂反光畸变的挑战性场景中，它也能保持稳健表现，克服了先前模型的不足。

Sim教授表示：“自然场景中的反光复杂多变，传统神经网络常难以应对。我们的方法凭借自适应专家分配和双重注意力机制，提供了更灵活有效的解决方案。这项技术在从摄影到自主系统等成像应用中潜力巨大。”

出版详情：作者：JooHyeon Heo, Ulsan National Institute of Science and Technology；标题：《AI model excels in single image reflection removal》；发表于：《IEEE Transactions on Image Processing》(2026)。