从阴影生成到阴影去除
计算机视觉与模式识别
2021-03-25 v1
摘要
阴影去除是一项旨在恢复阴影区域图像内容的计算机视觉任务。虽然几乎所有近期阴影去除方法都需要无阴影图像用于训练，但Le和Samaras在ECCV 2020中提出了一种无需此要求的新颖方法，即从阴影图像中裁剪有阴影和无阴影的补丁作为训练样本。然而，构建大量此类非配对补丁仍费力耗时。本文提出一种新的G2R-ShadowNet，其利用阴影生成进行弱监督阴影去除，仅使用一组阴影图像及其对应阴影掩码进行训练。所提G2R-ShadowNet由分别用于阴影生成、阴影去除和精化的三个子网络组成，并以端到端方式联合训练。特别地，阴影生成子网络将非阴影区域风格化为阴影区域，从而为训练阴影去除子网络产生配对数据。在ISTD数据集和视频阴影去除数据集上的大量实验表明，所提G2R-ShadowNet取得了与当前最优方法相竞争的性能，并优于Le和Samaras基于补丁的阴影去除方法。
引用
@article{arxiv.2103.12997,
title = {From Shadow Generation to Shadow Removal},
author = {Zhihao Liu and Hui Yin and Xinyi Wu and Zhenyao Wu and Yang Mi and Song Wang},
journal= {arXiv preprint arXiv:2103.12997},
year = {2021}
}
备注
Accepted by CVPR2021