CANet：一种用于阴影去除的上下文感知网络
计算机视觉与模式识别
2021-08-24 v1
摘要
在本文中，我们提出了一种名为 CANet 的新型两阶段上下文感知网络用于阴影去除，该网络在嵌入特征空间中将非阴影区域的上下文信息迁移到阴影区域。在第一阶段，我们提出上下文块匹配（CPM）模块来生成一组潜在的阴影与非阴影块匹配对。结合阴影与非阴影区域之间潜在的上下文关系，我们精心设计的上下文特征迁移（CFT）机制能够在不同尺度上将上下文信息从非阴影区域迁移到阴影区域。利用重建的特征图，我们分别在 L 和 A/B 通道上去除阴影。在第二阶段，我们使用编码器-解码器来细化当前结果并生成最终的阴影去除结果。我们在两个基准数据集以及一些具有复杂场景的真实世界阴影图像上评估了所提出的 CANet。大量实验结果有力地证明了我们所提出 CANet 的有效性，并展现出优于当前最优方法的性能。
引用
@article{arxiv.2108.09894,
title = {CANet: A Context-Aware Network for Shadow Removal},
author = {Zipei Chen and Chengjiang Long and Ling Zhang and Chunxia Xiao},
journal= {arXiv preprint arXiv:2108.09894},
year = {2021}
}
备注
This paper was accepted to the IEEE International Conference on Computer Vision (ICCV), Montreal, Canada, Oct 11-17, 2021