S3R-Net: 一种单阶段自监督阴影去除方法

Nikolina Kubiak; Armin Mustafa; Graeme Phillipson; Stephen Jolly; Simon Hadfield

S3R-Net: 一种单阶段自监督阴影去除方法

计算机视觉与模式识别 2024-04-19 v1 图形学

作者: Nikolina Kubiak , Armin Mustafa , Graeme Phillipson , Stephen Jolly , Simon Hadfield

摘要

在本文中，我们提出了S3R-Net，即自监督阴影去除网络。该双分支WGAN模型利用统一与适应现象实现自监督——它统一了输出数据的风格，并从无对齐无阴影参考图像数据库中推断其特征。这种方法与大量监督框架形成对比。S3R-Net也与少数现有的以循环一致方式运行的自我监督模型不同，因为它是一个非循环、单向的解决方案。所提出的框架在数值评分上与最近的自监督阴影去除模型相当，同时表现出更优的定性性能并保持较低的计算成本。

关键词

自监督阴影去除 S3R-Net WGAN 统一与适应非循环单向

引用

@article{arxiv.2404.12103,
  title  = {S3R-Net: A Single-Stage Approach to Self-Supervised Shadow Removal},
  author = {Nikolina Kubiak and Armin Mustafa and Graeme Phillipson and Stephen Jolly and Simon Hadfield},
  journal= {arXiv preprint arXiv:2404.12103},
  year   = {2024}
}

备注

NTIRE workshop @ CVPR 2024. Code & models available at https://github.com/n-kubiak/S3R-Net

S3R-Net: 一种单阶段自监督阴影去除方法

摘要

关键词

引用

备注

相关论文