WavShadow：基于小波的阴影分割与去除
计算机视觉与模式识别
2024-11-13 v3
摘要
阴影去除与分割仍然是计算机视觉中的具有挑战性的任务，尤其是在复杂的真实场景中。本研究通过引入掩码自编码器（MAE）先验和快速傅里叶卷积（FFC）模块，增强了 ShadowFormer 模型，实现了显著更快的收敛速度和更优的性能。我们提出了关键创新：（1）集成在 Places2 数据集上训练的 MAE 先验以增强上下文理解，（2）采用 Haar 小波特征以增强边缘检测和多尺度分析，（3）实现改进的 SAM Adapter 以实现鲁棒的阴影分割。在具有挑战性的 DESOBA 数据集上的广泛实验表明，我们的方法取得了最先进的结果，在收敛速度和阴影去除质量方面均有显著提升。
引用
@article{arxiv.2411.05747,
title = {WavShadow: Wavelet Based Shadow Segmentation and Removal},
author = {Shreyans Jain and Viraj Vekaria and Karan Gandhi and Aadya Arora},
journal= {arXiv preprint arXiv:2411.05747},
year = {2024}
}