UnShadowNet：光照评判器引导的对比学习去阴影方法
计算机视觉与模式识别
2023-08-28 v2 机器人学
摘要
阴影是经常遇到的自然现象，会显著阻碍计算机视觉感知系统在实际场景（如自动驾驶）中的性能。一种解决方案是在感知系统处理前从图像中消除阴影区域。然而，训练此类解决方案需要成对的对齐有阴影与无阴影图像，这难以获取。我们提出一种新颖的弱监督去阴影框架UnShadowNet，使用对比学习训练。它由负责在光照网络引导下去除提取阴影的DeShadower网络组成，光照网络由光照评判器对抗训练，以及进一步去除伪影的Refinement网络。我们展示UnShadowNet可轻松扩展为全监督设置以利用可用真值。UnShadowNet在三个公开阴影数据集（ISTD、adjusted ISTD、SRD）的弱监督和全监督设置下均优于现有最先进方法。
引用
@article{arxiv.2203.15441,
title = {UnShadowNet: Illumination Critic Guided Contrastive Learning For Shadow Removal},
author = {Subhrajyoti Dasgupta and Arindam Das and Senthil Yogamani and Sudip Das and Ciaran Eising and Andrei Bursuc and Ujjwal Bhattacharya},
journal= {arXiv preprint arXiv:2203.15441},
year = {2023}
}
备注
Accepted for publication at IEEE Access, vol. 11, pp. 87760-87774, 2023