الظل، كنتيجة طبيعية لتفاعل الضوء مع الأجسام، يلعب دورًا حاسمًا في تشكيل جماليات الصورة، ولكنه يعوق أيضًا وضوح المحتوى وجودة الرؤية الشاملة. وتستخدم الطرق الحديثة لإزالة الظل آلية الانتباه بسبب فعاليتها كمكون رئيسي. ومع ذلك، غالبًا ما تعاني هذه الطرق من مشكلتين تشملان حجم النموذج الكبير والتعقيد الحسابي العالي للتطبيق العملي. لمعالجة هذه العيوب، يقترح هذا العمل إطارًا خفيف الوزن ومعتمد بدقة لإزالة الظل. أولاً، نحلل خصائص مهمة إزالة الظل للبحث عن المعلومات الرئيسية المطلوبة لإعادة بناء المناطق الظليلة وتصميم آلية انتباه إقليمية جديدة لالتقاط هذه المعلومات بكفاءة. ثانياً، نقوم بتخصيص نموذج إزالة الظل بالانتباه الإقليمي (RASM) الذي يستفيد من المناطق غير الظليلة لمساعدة في استعادة المناطق الظليلة. على عكس النماذج القائمة على الانتباه الموجودة حاليًا، فإن استراتيجيتنا للانتباه الإقليمي تسمح لكل منطقة ظليلة بالتواصل بشكل أكثر منطقي مع المناطق غير الظليلة المحيطة بها، للبحث عن الترابط السياقي الإقليمي بين المناطق الظليلة وغير الظليلة. وقد أجريت تجارب مكثفة لبيان أن الطريقة المقترحة لدينا تحقق أداءً متفوقًا على النماذج الأكثر تقدمًا الأخرى من حيث الدقة والكفاءة، مما يجعلها جاذبة للتطبيقات العملية.