نقترح طريقة تعلم عميقة جديدة لإزالة الظل. مستوحاة من النماذج الفيزيائية لتكوين الظل، نستخدم تحويل الإضاءة الخطي لنمذجة تأثيرات الظل في الصورة، مما يسمح بتعبير صورة الظل كمزيج من الصورة الخالية من الظل، معلمات الظل، وطبقة المات (Matte Layer). نستخدم شبكتين عمقيتين، وهما SP-Net وM-Net، للتنبؤ بمعلمات الظل وطبقة المات على التوالي. يتيح هذا النظام لنا إزالة تأثيرات الظل على الصور. قمنا بتدريب واختبار إطارنا على أكثر مجموعة بيانات تحديًا لإزالة الظل (ISTD). مقارنة بأحدث الطُرق المستخدمة، حقق نموذجنا تخفيضًا بنسبة 40% في الخطأ من حيث خطأ الجذر التربيعي المتوسط (RMSE) في منطقة الظل، حيث تم خفض RMSE من 13.3 إلى 7.9. بالإضافة إلى ذلك، قمنا بإنشاء مجموعة بيانات ISTD المعززة بناءً على نظام تفكيك الصور عن طريق تعديل معلمات الظل لتوليد صور ظل اصطناعية جديدة. تدريب نموذجنا على هذه المجموعة البيانات الجديدة المعززة ISTD يقلل المزيد من خطأ الجذر التربيعي المتوسط في منطقة الظل إلى 7.4.