RenDetNet：结合阴影投射物验证的弱监督阴影检测
计算机视觉与模式识别
2024-09-02 v1 图形学
摘要
现有的阴影检测模型难以区分图像中的暗区域与阴影。在本文中，我们通过验证所有检测到的阴影是否真实（即它们是否具有配对的阴影投射物）来解决这一问题。我们以物理上准确的方式执行此步骤，通过对场景进行可微重渲染，并观察剔除估计的阴影投射物后所产生的变化。得益于该方法，本文提出的 RenDetNet 是首个其监督信号可以以自监督方式计算的学习型阴影检测模型。所开发的系统在与在我们数据上训练的近期模型对比时表现良好。作为本出版物的一部分，我们在 github 上发布了代码。
引用
@article{arxiv.2408.17143,
title = {RenDetNet: Weakly-supervised Shadow Detection with Shadow Caster Verification},
author = {Nikolina Kubiak and Elliot Wortman and Armin Mustafa and Graeme Phillipson and Stephen Jolly and Simon Hadfield},
journal= {arXiv preprint arXiv:2408.17143},
year = {2024}
}
备注
AIM @ ECCV 2024 / code available at https://github.com/n-kubiak/RenDetNet