摘要
镜面检测问题具有重要意义，因为镜面会显著影响多种视觉任务的性能。该问题难度较高，因为它需要对场景的全局语义有深入理解。近期，有研究提出通过学习镜面内部与外部之间的多层次上下文对比来检测镜面，从而隐式地定位镜面边缘。我们观察到，镜面内部的内容反映了其周围环境的内容，二者之间由镜面边缘分隔。基于此，本文提出一种新模型，能够在显式检测镜面边缘的同时，逐步学习镜面内外内容的相似性。本研究的主要贡献有两点：第一，提出一种新型的关系上下文对比局部（Relational Contextual Contrasted Local, RCCL）模块，用于提取并对比镜面区域与其对应上下文区域的特征；同时设计了一种边缘检测与融合（Edge Detection and Fusion, EDF）模块，通过显式监督机制学习复杂场景中镜面边缘的特征表示。第二，构建了一个包含6,461张镜面图像的具有挑战性的基准数据集。与现有MSD数据集相比，该数据集在场景多样性方面显著提升，且规模更大，覆盖了更丰富的实际应用场景。实验结果表明，所提模型在各项指标上均优于现有的先进方法。