摘要

镜子在我们的日常生活中无处不在。现有的计算机视觉系统并未考虑镜子的存在，因此可能会被镜中反射的内容所迷惑，导致性能严重下降。然而，将镜子外的真实内容与镜中的反射内容区分开来并非易事。主要挑战在于镜子通常反射与其周围环境相似的内容，这使得区分两者变得非常困难。本文提出了一种新颖的方法，用于从输入图像中分割出镜子。据我们所知，这是首次通过计算方法解决镜子分割问题的研究工作。我们做出了以下贡献：首先，构建了一个大规模的镜子数据集，其中包含带有相应手动标注掩模的镜子图像。该数据集涵盖了多种日常生活场景，并将公开提供给未来研究使用；其次，提出了一种名为MirrorNet的新网络模型，用于镜子分割，通过建模镜内外内容之间的语义和低级颜色/纹理不连续性来实现这一目标；最后，进行了广泛的实验以评估所提出的方法，并展示了其优于精心选择的来自最先进检测和分割方法的基线模型的表现。