単画像シャドウ除去のための自動露光合成

影の除去は、その本質的な背景依存性と空間変動性の特性により、未知で多様な影パターンを引き起こすため、依然として困難な課題となっています。最新の強力な深層ニューラルネットワークであっても、痕跡なく影を除去した背景を回復することは容易ではありません。本論文では、この課題に対処するために、露光融合問題として定式化する新しい解決策を提案します。直感的には、まず入力画像に対して複数の過露光画像を推定し、これらの画像内の影領域が入力画像内の影がない領域と同じ色になるようにします。次に、元の入力画像と過露光画像を融合させて最終的な影なし画像を生成します。ただし、影の空間変動性特性により、融合処理は十分に「賢い」ものでなければなりません。つまり、異なる画像から適切な過露光ピクセルを選択して最終出力を自然にする必要があります。この挑戦に対応するために、我々は影認識型FusionNet（Shadow-aware FusionNet）を提案し、影のある画像を入力として受け取り、すべての過露光画像に対する融合ウェイトマップを生成します。さらに、境界認識型RefineNet（Boundary-aware RefineNet）を提案して残りの影痕跡をより完全に除去します。ISTD, ISTD+, およびSRDデータセットでの広範な実験を通じて、我々の方法の有効性を検証し、最新手法よりも影領域で優れた性能と非影領域で同等の性能を示しました。モデルとコードは以下のURLで公開しています: https://github.com/tsingqguo/exposure-fusion-shadow-removal.