本稿では、画像におけるシャドウ検出という困難な課題に特化した、条件付き生成対抗ネットワーク（GAN）の新規拡張であるscGANを提案する。従来のシャドウ検出手法は、シャドウ領域の局所的外観を学習することに注力しているが、条件付きランダムフィールド（CRF）におけるペアワイズポテンシャルという形で限定的な局所的文脈推論しか行わない。これに対して、提案する対抗的アプローチは、より高次の関係性およびシーン全体の特徴をモデル化可能である。本研究では、条件付きGANの生成器に対応するシャドウ検出器を学習し、従来のGAN損失にデータ損失項を組み合わせることで、シャドウ検出の精度を向上させた。シャドウラベルの不均衡な分布を考慮し、重み付き交差エントロピーを用いる。標準的なGANアーキテクチャでは、交差エントロピーの重みを適切に設定するには、複数のGANを訓練する必要があり、計算コストの高いグリッド探索が必要となる。そこでscGANでは、生成器に追加の感度パラメータ ( w ) を導入する。この提案手法により、訓練済み検出器の損失が効果的にパラメータ化される。その結果、一つのネットワークで異なる感度レベルに対応するシャドウマップを生成可能となり、複数モデルの構築や高コストな学習プロセスを回避できる。本手法は大規模なSBUおよびUCFシャドウデータセット上で評価され、従来の最先端手法と比較して最大17％の誤差低減が確認された。