DC-ShadowNet：基于无监督域分类器引导网络的单图像硬阴影与软阴影去除
计算机视觉与模式识别
2023-08-08 v2
摘要
单图像阴影去除总体上仍是一个开放问题。大多数现有的基于学习的方法使用监督学习，需要大量成对图像（阴影及对应的无阴影图像）进行训练。近期的无监督方法Mask-ShadowGAN解决了这一限制，但它需要二值掩码来表示阴影区域，使其无法应用于软阴影。为解决该问题，本文提出一种无监督的域分类器引导阴影去除网络DC-ShadowNet。具体而言，我们提出将阴影/无阴影域分类器集成到生成器及其判别器中，使它们聚焦于阴影区域。为训练我们的网络，我们引入了基于物理的无阴影色度、阴影鲁棒感知特征以及边界平滑的新损失。此外，我们展示了我们的无监督网络可用于测试时训练，从而进一步改善结果。实验表明，这些新组件使我们的方法能够处理软阴影，并且在硬阴影上无论是定量还是定性都优于现有的最先进阴影去除方法。我们的代码见：\url{https://github.com/jinyeying/DC-ShadowNet-Hard-and-Soft-Shadow-Removal}。
引用
@article{arxiv.2207.10434,
title = {DC-ShadowNet: Single-Image Hard and Soft Shadow Removal Using Unsupervised Domain-Classifier Guided Network},
author = {Yeying Jin and Aashish Sharma and Robby T. Tan},
journal= {arXiv preprint arXiv:2207.10434},
year = {2023}
}
备注
Accepted to ICCV2021, https://github.com/jinyeying/DC-ShadowNet-Hard-and-Soft-Shadow-Removal