초록
우리는 새로운 그림자 제거 딥 러닝 방법을 제안합니다. 그림자 형성의 물리적 모델에서 영감을 받아, 이미지 내의 그림자 효과를 선형 조명 변환을 통해 모델링하여 그림자가 그림자 없는 이미지, 그림자 매개변수, 그리고 마트 레이어의 조합으로 표현될 수 있도록 합니다. 우리는 SP-Net과 M-Net이라는 두 개의 딥 네트워크를 사용하여 각각 그림자 매개변수와 그림자 마트를 예측합니다. 이 시스템은 우리에게 이미지에서의 그림자 효과를 제거할 수 있는 능력을 제공합니다. 우리는 가장 어려운 그림자 제거 데이터셋인 ISTD에서 우리의 프레임워크를 훈련시키고 테스트하였습니다. 기존 최신 방법과 비교하여, 우리의 모델은 그림자 영역에 대한 근사 평균 제곱 오차(RMSE) 측면에서 40%의 오차 감소를 달성하였으며, RMSE가 13.3에서 7.9로 감소되었습니다. 또한, 우리는 이미지 분해 시스템을 기반으로 하여 그림자 매개변수를 수정하여 새로운 합성 그림자 이미지를 생성하는 확장된 ISTD 데이터셋을 만들었습니다. 이 새로운 확장된 ISTD 데이터셋에서 우리의 모델을 훈련시키면, 그림자 영역의 RMSE가 더 낮아져 7.4까지 감소됩니다.