摘要
阴影去除是计算机视觉中一项旨在恢复阴影区域图像内容的任务。尽管目前几乎所有先进的阴影去除方法均依赖于无阴影图像进行训练，但在2020年欧洲计算机视觉会议（ECCV 2020）上，Le与Samaras提出了一种创新方法，该方法无需依赖无阴影图像，而是通过从含阴影图像中裁剪出带阴影与无阴影的图像块作为训练样本。然而，构建大量此类非配对图像块仍需耗费大量人力与时间。本文提出一种新型网络结构G2R-ShadowNet，通过利用阴影生成技术实现弱监督下的阴影去除，仅需一组含阴影图像及其对应的阴影掩码即可完成训练。所提出的G2R-ShadowNet由三个子网络组成：阴影生成、阴影去除与图像优化，三者以端到端的方式联合训练。其中，阴影生成子网络将非阴影区域风格化为阴影区域，从而生成配对数据，用于训练阴影去除子网络。在ISTD数据集和Video Shadow Removal数据集上的大量实验表明，所提出的G2R-ShadowNet在性能上达到当前最先进水平，并优于Le与Samaras提出的基于图像块的阴影去除方法。