ShadowFormer: グローバルコンテキストが画像の影除去に貢献する

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、既存の多くのアプローチはシャドウ領域と非シャドウ領域内で局所的に動作することに焦点を当てており、これによりシャドウ境界付近で深刻なアーティファクトが発生し、シャドウ領域と非シャドウ領域間での照明の一貫性が失われる傾向があります。深層シャドウ除去モデルが、シャドウ領域と非シャドウ領域間の全体的な文脈相関を利用することは依然として困難です。本研究では、まずRetinexベースのシャドウモデルを提案し、そのモデルから新しいトランスフォーマーに基づくネットワークであるShandowFormer（シャドウフォーマー）を導き出します。このネットワークは非シャドウ領域を利用してシャドウ領域の復元を支援します。さらに、多尺度チャネル注意フレームワークを用いて階層的に全体情報を捉えることを目指しています。此基础上，我们在瓶颈阶段提出了带有阴影交互注意力（SIA）的阴影交互模块（SIM），以有效地建模阴影区域和非阴影区域之间的上下文相关性。ただし、「此基础上」一句更适合中文表达习惯，日语中可以优化为：これを基に、ボトルネック段階でShadow-Interaction Module (SIM) および Shadow-Interaction Attention (SIA) を提案し、これらを用いて効果的にシャドウ領域と非シャドウ領域間の文脈相関をモデル化します。我々はISTD, ISTD+, およびSRDという3つの一般的な公開データセット上で広範な実験を行い、提案手法の評価を行いました。当手法は最大150倍少ないモデルパラメータを使用しながら最先端の性能を達成しています。