ShadowHack：通过亦度-色彩分割策略 hacking 阴影
计算机视觉与模式识别
2025-03-31 v3
摘要
阴影会导致图像亮度降低、纹理恶化和颜色失真，给整体解决方案带来挑战。本研究提出了 ShadowHack 策略，通过将原任务分解为亦度恢复和色彩修复两个子任务来应对这些复杂性。为增强阴影区域的亮度并修复被损坏的纹理，我们定制了 LRNet，这是一个带有校准注意力模块的 U 形网络，以增强信息交互并重校准受污染的注意力图。当亦度恢复后，CRNet 利用跨注意力机制来恢复鲜艳的颜色，生成视觉上令人满意的效果。在多个数据集上进行大量实验，证明了 ShadowHack 在定量和定性方面优于现有最先进解决方案，凸显了我们设计的有效性。我们的代码将公开发布。
引用
@article{arxiv.2412.02545,
title = {ShadowHack: Hacking Shadows via Luminance-Color Divide and Conquer},
author = {Jin Hu and Mingjia Li and Xiaojie Guo},
journal= {arXiv preprint arXiv:2412.02545},
year = {2025}
}