ShadowRefiner：基于快速傅里叶变换的无掩码阴影移除
计算机视觉与模式识别
2024-07-04 v2
摘要
阴影影响的图像在颜色和照明方面常常表现出显著的空间差异，导致损害各种视觉应用，包括目标检测和分割系统。为了有效地在真实图像中消除阴影，同时保留细微细节并产生视觉上令人满意的结果，我们引入一种基于快速傅里叶变换的无掩码阴影移除和细化网络（ShadowRefiner）。具体而言，我们的方法中的阴影移除模块旨在通过空间和频率表示学习，在受阴影影响的图像和无阴影图像之间建立有效映射。为缓解像素错位并进一步提高图像质量，我们提出了一种新颖的快速傅里叶注意力Transformer（FFAT）架构，其中设计了一种创新的注意力机制，以进行精细细化。我们的方法在NTIRE 2024图像阴影移除挑战赛的感知轨道中获冠，并在保真度轨道中取得第二名。此外，综合实验结果也表明了我们提出方法的显著有效性。代码已公开：https://github.com/movingforward100/Shadow_R。
引用
@article{arxiv.2406.02559,
title = {ShadowRefiner: Towards Mask-free Shadow Removal via Fast Fourier Transformer},
author = {Wei Dong and Han Zhou and Yuqiong Tian and Jingke Sun and Xiaohong Liu and Guangtao Zhai and Jun Chen},
journal= {arXiv preprint arXiv:2406.02559},
year = {2024}
}
备注
Accepted by CVPR workshop 2024 (NTIRE 2024); Corrected references