基于Retinex 理论的无掩码阴影移除：Retinex 引导直方图变换器
计算机视觉与模式识别
2025-04-22 v1
摘要
虽然深度学习方法在阴影移除任务上取得了显著进展，但许多现有方法依赖难以获得的阴影掩码，限制了其在真实场景中的泛化能力。本文提出ReHiT，一个基于Retinex 理论的高效无掩码阴影移除框架，采用混合CNN-Transformer架构。我们首先引入双分支管道，分别建模反射率和照明成分，每个成分均由我们开发的Illumination-Guided Hybrid CNN-Transformer(IG-HCT)模块恢复。其次，除了具备学习残差稠密特征并进行多尺度语义融合的CNN模块外，我们还开发了Illumination-Guided Histogram Transformer Block(IGHB)，有效处理非均匀照明和空间复杂阴影。广泛的实验在多个基准数据集上验证了我们方法相较于现有无掩码方法的有效性。仅依据NTIRE 2025阴影移除挑战赛数据集训练，我们的解决方案在参数规模最小、推理速度最快的前列条目中均能提供具竞争力的结果，凸显其在计算资源有限的实际应用场景中的可行性。代码已公开于https://github.com/dongw22/oath。
引用
@article{arxiv.2504.14092,
title = {Retinex-guided Histogram Transformer for Mask-free Shadow Removal},
author = {Wei Dong and Han Zhou and Seyed Amirreza Mousavi and Jun Chen},
journal= {arXiv preprint arXiv:2504.14092},
year = {2025}
}
备注
Accpeted by CVPR 2025 NTIRE Workshop, Retinex Guidance, Histogram Transformer