스타일 유도형 그림자 제거

그림 복원 분야에서 그림자 제거는 중요한 주제이며, 다양한 컴퓨터 비전 작업에 유익한 영향을 미친다. 최신 그림자 제거 기법은 일반적으로 깊은 학습을 활용하여 그림자 제거된 영역과 해당 (가상의) 그림자 없는 영역 사이의 픽셀 단위 차이를 최소화하는 방식을 채택한다. 그러나 그림자 제거 후 그림자 영역과 비그림자 영역 간에 외관상 일관성이 부족해 시각적으로 조화롭지 않은 이미지가 생성될 수 있다. 이러한 문제를 해결하기 위해, 그림자 제거 후 이미지 스타일의 일관성을 향상시키기 위한 스타일 유도형 그림자 제거 네트워크(SG-ShadowNet)를 제안한다. SG-ShadowNet에서는 먼저 간단한 영역 스타일 추정기를 통해 비그림자 영역의 스타일 표현을 학습한다. 이후 영역 수준의 스타일 정보를 활용한 새로운 효과적인 정규화 전략을 제안하여, 원시적으로 복원된 그림자 영역을 전체 이미지와 더 조화롭게 조정한다. 광범위한 실험을 통해 제안하는 SG-ShadowNet이 기존의 경쟁 모델들을 모두 능가하며, ISTD+, SRD, Video Shadow Removal 벤치마크 데이터셋에서 새로운 최고 성능을 달성함을 입증하였다. 코드는 다음과 같은 주소에서 제공된다: https://github.com/jinwan1994/SG-ShadowNet.