그림자(Shadow)는 빛이 물체와 상호작용하는 자연스러운 결과로, 이미지의 미적 효과를 형성하는 데 중요한 역할을 하지만, 내용의 가시성과 전체적인 시각적 품질을 저하시키는 문제도 가지고 있습니다. 최근 그림자 제거 방법들은 주의 메커니즘(attention mechanism)을 핵심 구성 요소로 활용하고 있는데, 이는 그 효과성 때문입니다. 그러나 이러한 방법들은 실제 사용에 있어서 큰 모델 크기와 높은 계산 복잡도라는 두 가지 문제점을 자주 겪습니다. 이러한 단점을 해결하기 위해 본 연구에서는 경량화하면서도 정확한 그림자 제거 프레임워크를 설계하였습니다. 첫째, 우리는 그림자 제거 작업의 특성을 분석하여 그림자 영역을 재구성하기 위한 핵심 정보를 찾고, 이를 효과적으로 포착하기 위한 새로운 지역 주의 메커니즘(regional attention mechanism)을 설계하였습니다. 둘째, 비그림자 영역을 활용하여 그림자 영역을 복원하는 것을 목표로 하는 지역 주의 그림자 제거 모델(Regional Attention Shadow Removal Model, RASM)을 맞춤화하였습니다. 기존의 주의 기반 모델들과 달리 우리의 지역 주의 전략은 각각의 그림자 영역이 주변 비그림자 영역과 더 합리적으로 상호 작용할 수 있도록 하여, 그림자와 비그림자 영역 간의 지역적 맥락적 연관성을 찾아냅니다. 광범위한 실험들을 통해 제안된 방법이 정확성과 효율성 측면에서 다른 최신 모델들보다 우수한 성능을 제공함을 입증하였으며, 이는 실용적인 응용 분야에서 매력적인 선택으로 만들고 있습니다.