PhaSR：基于物理对齐先验的通用图像阴影移除
计算机视觉与模式识别
2026-03-31 v4
摘要
单光源阴影移除需要解耦照明与本征反射率，当物理先验未正确对齐时难以实现。我们提出PhaSR（物理对齐阴影移除），通过双层先验对齐实现从单光源阴影到多源环境光的鲁棒性能。首先，物理对齐归一化（PAN）通过灰度世界归一化、对数域Retinex分解与动态范围重组实现闭式照明校正，抑制色度偏差。其次，几何-语义整形注意力（GSRA）将差分注意力扩展到跨模态对齐，融合基于深度的几何信息与DINO-v2语义嵌入，解决不同照明下的模态冲突。实验表明，PhaSR在阴影移除中实现了竞争性能，计算复杂度低，对环境光具有良好泛化，而传统方法在多光源照明下难以应用。我们的源码已公开：https://github.com/ming053l/PhaSR。
引用
@article{arxiv.2601.17470,
title = {PhaSR: Generalized Image Shadow Removal with Physically Aligned Priors},
author = {Chia-Ming Lee and Yu-Fan Lin and Yu-Jou Hsiao and Jin-Hui Jiang and Yu-Lun Liu and Chih-Chung Hsu},
journal= {arXiv preprint arXiv:2601.17470},
year = {2026}
}
备注
CVPR 2026 Camera Ready; Project Page: https://ming053l.github.io/PhaSR_github