摘要
阴影作为光与物体相互作用的自然结果，在塑造图像美学方面发挥着关键作用，但同时也会影响内容的可见性和整体视觉质量。近年来，阴影去除方法广泛采用了注意力机制，因其在该领域的有效性而成为核心组件。然而，这些方法通常存在两个问题：模型体积庞大和计算复杂度高，这限制了它们在实际应用中的使用。为了解决这些问题，本研究设计了一种轻量且准确的阴影去除框架。首先，我们分析了阴影去除任务的特点，以寻找重建阴影区域所需的关键信息，并设计了一种新的区域注意力机制，有效捕捉此类信息。然后，我们定制了一个区域注意力阴影去除模型（简称RASM），该模型利用非阴影区域来辅助恢复阴影区域。与现有的基于注意力的模型不同，我们的区域注意力策略允许每个阴影区域与其周围的非阴影区域进行更加合理的交互，从而寻求阴影与非阴影区域之间的区域性上下文关联。大量实验表明，我们提出的方法在准确性和效率方面均优于其他最先进的模型，使其在实际应用中具有吸引力。