方向を考慮した空間コンテキスト特徴量を用いた影検出および除去

影検出と影除去は、基本的かつ挑戦的なタスクであり、全体的な画像の意味論的理解を必要とします。本論文では、方向に意識した空間コンテキストを分析することで影検出と影除去を行う新しい深層ニューラルネットワーク設計を提案します。この目的を達成するために、まず空間リカレントニューラルネットワーク（RNN）において方向に意識した注意メカニズムを定式化し、RNN内で空間コンテキスト特徴量を集約する際に注意重みを導入します。これらの重みを学習することで、影の検出と除去のために方向に意識した空間コンテキスト（DSC）を回復できます。この設計はDSCモジュールとして開発され、畳み込みニューラルネットワーク（CNN）内に埋め込まれて異なるレベルでのDSC特徴量を学習します。さらに、効果的な影検出のための重み付きクロスエントロピー損失関数を設計し、ユークリッド損失関数を使用して色転送関数を定式化することで訓練ペア内の色や輝度の一貫性の問題に対処し、ネットワークを影除去に適用しました。我々は2つの影検出ベンチマークデータセットと2つの影除去ベンチマークデータセットを使用し、様々な実験を行って方法の評価を行いました。実験結果は、本手法が両方のタスクで最先端の手法に対して有利な性能であることを示しています。以上が翻訳となります。ご確認ください。