影の除去は画像復元における重要な課題であり、多くのコンピュータビジョンタスクに有益である。最先端の影除去手法は、通常、深層学習を用いて影除去領域とその対応する（擬似）影なしバージョンとのピクセルレベルの差分を最小化する。しかし、影の除去後、影領域と非影領域の外観が不一致となり、視覚的に調和の取れない画像が生じる問題が存在する。この問題に対処するために、本研究では影除去後の画像スタイルの一貫性を向上させるためのスタイルガイド付き影除去ネットワーク（SG-ShadowNet）を提案する。SG-ShadowNetでは、まずシンプルな領域スタイル推定器を用いて非影領域のスタイル表現を学習する。その後、領域レベルのスタイル情報を用いた新たな効果的な正規化戦略を提案し、粗く復元された影領域を画像全体とより調和するように調整する。広範な実験の結果、提案手法のSG-ShadowNetは既存のすべての競争的モデルを上回り、ISTD+、SRD、およびVideo Shadow Removalベンチマークデータセットにおいて、新たな最先端性能を達成した。コードは以下のURLから公開されている：https://github.com/jinwan1994/SG-ShadowNet。