📖 AI 总结

本文针对眼镜反光去除这一面向智能手机成像、视频会议等以人脸为中心的视觉应用中的关键问题展开研究。该任务的难点在于反光程度从轻微的光度污染到严重的眼部遮挡不等，需要在选择性校正与合理重建之间取得平衡，同时不改变人物身份与自然外观。现有数据集覆盖的反光条件有限，制约了模型在复杂真实场景中的泛化能力与系统评估。为此，作者提出了多源基准测试集OcuBench，包含10280对可控合成样本、732对真实输入伪配对以及458张独立真实测试图像，同时支持配对评估和超越生成监督的评测。在方法层面，作者提出OcuFlow——一种眼部自适应像素MeanFlow框架，将几何自适应表示与一步式像素MeanFlow相结合，把重建聚焦于被反光遮挡的眼部区域，并采用原生分辨率保频合成以保留可靠的观测细节。实验表明，OcuFlow在反光去除质量、眼部保真度和效率方面均取得一致优势；在盲测用户研究中获得67.32%的选择率，为次优方法的6.2倍。该工作为眼镜反光去除提供了更全面的评测基准与高效的高保真解决方案，代码与数据集将公开释放。

🔑 关键词速览