用于阴影去除的渐进循环网络
计算机视觉与模式识别
2023-11-02 v1
摘要
单图像阴影去除是一项重要但仍未解决的问题。大多数现有的基于深度学习的方法试图直接去除阴影,无法很好地处理阴影。为处理该问题,我们考虑以由粗到精的方式去除阴影,并提出一种简单而有效的渐进循环网络(PRNet)。该网络旨在逐步去除阴影,使我们能够灵活调整迭代次数以在性能与时间之间取得平衡。我们的网络包含两部分:阴影特征提取与渐进阴影去除。具体而言,第一部分是一个浅层 ResNet,其在原始尺寸上构建输入阴影图像的表示,防止下采样操作导致的高频细节损失。第二部分有两个关键组件:重新整合模块与更新模块。所提出的重新整合模块可充分利用前一次迭代的输出,为更新模块提供输入以进一步去除阴影。如此,所提出的 PRNet 使整个过程更为简洁,且仅使用已发表最佳方法 29% 的网络参数。在 ISTD、ISTD+ 和 SRD 三个基准上的大量实验表明,我们的方法能有效去除阴影并取得优越性能。
引用
@article{arxiv.2311.00455,
title = {Progressive Recurrent Network for Shadow Removal},
author = {Yonghui Wang and Wengang Zhou and Hao Feng and Li Li and Houqiang Li},
journal= {arXiv preprint arXiv:2311.00455},
year = {2023}
}