Deshadow-Anything：当Segment Anything模型遇上零样本阴影去除
计算机视觉与模式识别
2025-08-27 v4 图像与视频处理
摘要
Segment Anything (SAM)作为在大规模视觉数据集上训练的先进通用图像分割模型，已在图像分割与计算机视觉领域树立新基准。然而，其在区分阴影与背景时面临挑战。为此，我们开发了Deshadow-Anything，考虑到大规模数据集的泛化性，并在大规模数据集上微调以实现图像阴影去除。扩散模型可沿图像的边缘与纹理扩散，有助于在保留图像细节的同时去除阴影。此外，我们设计了多自注意力引导(Multi-Self-Attention Guidance, MSAG)与自适应输入扰动(DDPM-AIP)以加速扩散的迭代训练速度。在阴影去除任务上的实验表明，这些方法能有效提升图像复原性能。
引用
@article{arxiv.2309.11715,
title = {Deshadow-Anything: When Segment Anything Model Meets Zero-shot shadow removal},
author = {Xiao Feng Zhang and Tian Yi Song and Jia Wei Yao},
journal= {arXiv preprint arXiv:2309.11715},
year = {2025}
}
备注
We need to make major changes and re-upload