基于双分支分离网络与 Vision Transformer 的硬阴影与软阴影去除
计算机视觉与模式识别
2025-02-20 v2
摘要
图像阴影去除是计算机视觉中的一项关键任务。在真实场景中，阴影会改变图像颜色和亮度，给感知和纹理识别带来挑战。传统方法和深度学习方法通常忽略处理硬阴影和软阴影的不同需求，从而缺乏对图像中每种阴影类型进行专门处理的细节。我们提出一种双路径模型，使用专门设计的损失函数分别处理这些阴影，以完成硬阴影和软阴影的去除。该模型对阴影类型进行分类，并通过适当的路径进行处理以生成无阴影输出，同时集成 Vision Transformer 与 UNet++ 以增强边缘细节和特征融合。我们的模型优于 state-of-the-art 方法，在 ISTD 数据集上取得了 2.905 的 RMSE 值，这证明了其比典型的单路径方法具有更大的有效性。
引用
@article{arxiv.2501.01864,
title = {Towards Hard and Soft Shadow Removal via Dual-Branch Separation Network and Vision Transformer},
author = {Jiajia Liang},
journal= {arXiv preprint arXiv:2501.01864},
year = {2025}
}
备注
11 pages, 5 figures, IEEE International Conference on Machine Learning and Cybernetics (ICMLC) 2024; Currently under review at IEEE