FASR-Net：基于固有频率先验的无监督阴影去除
计算机视觉与模式识别
2025-04-09 v1
摘要
阴影去除因几何、光照和环境因素之间的复杂相互作用而具有挑战性。现有无监督方法常常忽视阴影特定的先验条件，导致阴影恢复不完全。为此，我们提出一种新型无监督频率感知阴影去除网络（FASR-Net），其利用阴影区域的固有频率特征。具体而言，提出的小波注意力下采样模块（WADM）集成了小波基于图像分解和可变形注意力，有效地将图像分解为频率分量，以增强特定频率带内的阴影细节。我们还引入了若干新的损失函数，以实现精确的无阴影图像复现：频率损失用于捕捉图像成分细节、亮度-色度损失参考无阴影区域的色度信息，以及对齐损失以确保阴影区域与无阴影区域之间的平滑过渡。在 AISTD 和 SRD 数据集上的实验结果表明，我们的方法在阴影去除性能方面取得优异成绩。
引用
@article{arxiv.2504.05779,
title = {FASR-Net: Unsupervised Shadow Removal Leveraging Inherent Frequency Priors},
author = {Tao Lin and Qingwang Wang and Qiwei Liang and Minghua Tang and Yuxuan Sun},
journal= {arXiv preprint arXiv:2504.05779},
year = {2025}
}