DINOLight：集成自监督视觉先验的鲁棒环境光归一化框架

本文提出了一种新的环境光归一化框架 DINOLight，将自监督模型 DINOv2 的图像理解能力集成到恢复过程中作为视觉先验。环境光归一化旨在恢复因多个光源和复杂场景几何导致的非均匀阴影和光照的图像。我们观察到，DINOv2 能可靠地从受损图像中提取语义和几何信息。基于此观察，我们开发了一种新框架，利用 DINOv2 特征进行光照归一化。首先，我们提出了一个自适应特征融合模块，将来自不同 DINOv2 层的特征通过点状 Softmax 掩码进行融合。随后，这些融合特征通过辅助交叉注意力机制在空间域和频域中整合到我们提出的恢复网络中。实验表明，DINOLight 在 Ambient6K 数据集上取得优异的性能，且 DINOv2 特征对增强环境光归一化有效。我们还将方法应用于阴影移除基准数据集，实现了与使用掩码先验的方法的具竞争力的结果。代码将在接受后公开。