基于合成阴影的阴影检测与去除方法研究

作者: | Naoto Inoue | Toshihiko Yamasaki |

摘要:阴影去除是计算机视觉和计算机图形学中的一项重要任务。最近的阴影去除方法所有的训练卷积神经网络(Cnn)对真实配对阴影/无阴影或阴影/无阴影/掩模图像数据集。然而,获取一个大规模、多样化和精确的数据集一直是一个巨大的挑战,它限制了所学习的模型在阴影图像上的性能,而阴影图像的形状/强度是看不见的。为了克服这一挑战,我们提出了SynShadow,一种新型的大规模合成阴影/无阴影/无阴影图像数据集和一条合成它的流水线。在无阴影图像、无阴影图像和阴影衰减参数的任意组合下,我们扩展了一个物理接地的阴影照明模型,并合成了一个阴影图像。由于同步阴影的多样性、数量和质量,我们证明了在同步阴影上训练的阴影去除模型在一些具有挑战性的基准上能够很好地去除不同形状和强度的阴影。此外,我们还发现,仅从同步阴影预训练模型中进行微调就可以改进现有的阴影检测和去除模型。代码可在https://github.com/naoto0804/SynShadow.公开使用

论文地址

https://arxiv.org/abs/2101.01713v1

下载地址

https://arxiv.org/pdf/2101.01713v1.pdf

全部源码

https://github.com/naoto0804/SynShadow 类型: pytorch

阴影检测与阴影去除

相关推荐

暂无评论

微信扫一扫,分享到朋友圈

基于合成阴影的阴影检测与去除方法研究