最近の深層学習手法は画像シャドウ除去において有望な結果を達成しています。しかし、それらが復元した画像は、劣化事前情報の埋め込み不足とモデル化能力の欠如により、満足のいく境界アーティファクトを得られていないという問題があります。本研究では、これらの課題に対処するために、画像と劣化事前情報を統合する高効率的なシャドウ除去を実現する統一拡散フレームワークを提案します。詳細には、まずシャドウ劣化モデルを提案し、これに基づいて新たな展開型拡散モデル（ShandowDiffusion）を開発しました。このモデルは、劣化事前情報と拡散生成事前情報を用いて徐々に望ましい出力を精緻化することで、シャドウ除去のモデル容量を大幅に向上させます。その性質上、これは画像復元における新しい強力なベースラインとなる可能性があります。さらに、ShadowDiffusionは拡散ジェネレータの補助タスクとして推定されたシャドウマスクを徐々に精緻化することにより、より正確で堅牢なシャドウフリー画像生成を可能にします。ISTD, ISTD+, SRDなど3つの一般的な公開データセットを用いて広範な実験を行った結果、本方法の有効性が確認されました。最先端の手法と比較して、SRDデータセットにおいてPSNRが31.69dBから34.73dBへと著しく改善しました。