MatteViT: 基于阴影蒙版引导的高频感知文档阴影去除

文档阴影去除对于提升数字化文档的清晰度至关重要。在此过程中保留高频细节（如文本边缘和线条）十分关键，因为阴影往往会遮挡或扭曲精细结构。本文提出了一种新型阴影去除框架——MatteViT（matte vision transformer），该框架利用空间与频域信息来消除阴影，同时保留精细的结构细节。为有效保留这些细节，我们采用了两种保留策略。首先，我们的方法引入了一个轻量级高频放大模块 (HFAM)，用于分解并自适应放大高频成分。其次，我们提出了一种基于连续亮度生成的阴影蒙版，通过自定义的阴影蒙版数据集与阴影蒙版生成器构建，从最早的处理阶段起提供精确的空间引导。这些策略使模型能够准确识别精细区域并以高保真度进行恢复。在公开基准数据集（RDD 和 Kligler）上的大量实验表明，MatteViT 达到了最先进的性能，为实际文档阴影去除提供了鲁棒且实用的解决方案。此外，该方法在下游任务（如光学字符识别）中更好地保留了文本级细节，相较于先前方法提升了识别性能。