Key points are not available for this paper at this time.
최근 딥러닝 방법들은 그림자 제거에서 우수한 결과를 얻었습니다. 그러나 이러한 감독 방법의 대부분은 많은 양의 그림자 및 그림자 없는 이미지 쌍에 대한 훈련에 의존하며, 이는 힘든 주석 작업을 요구하고 모델 일반화에 문제가 생길 수 있습니다. 실제로 그림자는 이미지에서 부분적인 열화를 형성할 뿐이며, 비그림자 영역은 비지도 학습에 잠재적으로 풍부한 구조적 정보를 제공합니다. 본 논문에서는 그림자, 비그림자 및 그 경계 영역을 별도로 모델링하여 비지도 그림자 제거를 위한 새로운 확산 기반 솔루션을 제안합니다. 우리는 비변형 정보와 융합된 사전 훈련된 무조건적 확산 모델을 사용하여 자연스러운 그림자 없는 이미지를 생성합니다. 확산 모델은 인접한 비변형 컨텍스트 정보를 활용하여 경계 영역의 명확한 구조를 복원할 수 있지만, 비변형 컨텍스트의 고립으로 인해 내부 그림자 영역을 다루지 못합니다. 따라서 우리는 확산 샘플링 중 구조적인 일관성을 유지하기 위해 그림자 영역의 기본 반사율을 활용할 수 있는 그림자 불변 내재 분해 모듈을 추가로 제안합니다. 공개적으로 사용 가능한 그림자 제거 데이터 세트에 대한 광범위한 실험 결과, 제안한 방법이 기존의 비지도 방법에 비해 상당한 개선을 이루며 일부 기존 감독 방법과도 비견될 수 있음을 보여줍니다.
Guo 외(의) (Sun,)는 이 질문을 연구했습니다.