RIS-GAN：利用生成对抗网络探索残差与光照以实现阴影去除
图像与视频处理
2019-12-30 v2 计算机视觉与模式识别
摘要
残差图像与光照估计已被证明对图像增强非常有帮助。在本文中，我们提出一个通用且新颖的框架RIS-GAN，其利用生成对抗网络（GAN）探索残差与光照以实现阴影去除。结合粗阴影去除图像，估计的负残差图像与逆光照图可用于生成间接阴影去除图像，以由粗到精的方式将粗阴影去除结果细化为精细无阴影图像。设计了三个判别器，与相应真实信息相比，联合判别预测的负残差图像、阴影去除图像和逆光照图是真还是假。据我们所知，我们是首个探索残差与光照用于阴影去除的。我们在两个基准数据集即SRD和ISTD上评估所提方法，大量实验表明所提方法取得了优于当前最优（SOTA）方法的性能，尽管我们的生成器中未设计特定的阴影感知组件。
引用
@article{arxiv.1911.09178,
title = {RIS-GAN: Explore Residual and Illumination with Generative Adversarial Networks for Shadow Removal},
author = {Ling Zhang and Chengjiang Long and Xiaolong Zhang and Chunxia Xiao},
journal= {arXiv preprint arXiv:1911.09178},
year = {2019}
}
备注
The paper was accepted to the Thirty-Fourth AAAI Conference on Artificial Intelligence (AAAI'2020)