近日，实验室2022级硕士生王梦怡一篇论文“Personalized Single Image Reflection Removal Network through Adaptive Cascade Refinement”（作者：王梦怡，张欣欣，宫永顺，尹义龙）被CCF A类会议ACM-MM录用。ACM MM是新媒体领域的顶级会议，属于CCF A类会议。

单张图像去反光是把从通过玻璃拍摄的单张反射污染的图片恢复为一张没有反射的图片。许多基于深度学习的方法尝试利用一个从训练数据中获得的统一的模型来为所有测试图片解决这个有挑战性的问题。因此，测试图片的独特性质没有被考虑。除此之外，在图像恢复领域的几个方法用级联结构去细化结果。但是他们盲目的级联具有相同权重的模块，只在一定程度上提升了模型的表现。为了解决这些问题，我们提出了一个基于元学习和自监督学习的个性化的通过自适应级联细化的单张图像反射去除网络(PNACR)。元学习可以利用少量的样本快速适应新的任务，而PNACR可以利用通过自监督学习学习到的独特性质去除一张新图片的反射。此外，我们提出的自适应级联模型可以根据当前迭代模型的输出调整下次迭代时模型的权重，显著的提升了模型的表现。因此，我们提出的模型可以学习从外部训练数据和新输入图片的信息来为每张图片提供一个个性化的反射去除模型。大量的在公开可用数据集上的对比实验和消融实验在定量的评估指标和定性的可视化结果上验证了所提出方法的有效性。