ShadowHack: Hacking Shadows via Luminance-Color Divide and Conquer

要約

影は、画像の明るさの低下、テクスチャの劣化、色の歪みなどの課題を導入し、全体的な解決策を複雑にします。
この研究は、元のタスクを輝度の回復と色の治療に分解することでこれらの複雑さに取り組む分裂と征服戦略である\ textBf {Shadowhack}を示しています。
シャドウ領域を明るくし、輝度空間の破損したテクスチャを修復するために、整流された注意モジュールを備えたU字型ネットワークであるLRNETをカスタマイズして、情報相互作用を強化し、汚染された注意マップを再調整します。
輝度が回復すると、CRNETはクロスアテナンスメカニズムを活用して鮮やかな色を復活させ、視覚的に説得力のある結果を生み出します。
複数のデータセットでの広範な実験が行われ、既存の最先端のソリューションに対するShadowhackの優位性を定量的かつ定性的に実証し、設計の有効性を強調しています。
私たちのコードは公開されます。

要約(オリジナル)

Shadows introduce challenges such as reduced brightness, texture deterioration, and color distortion in images, complicating a holistic solution. This study presents \textbf{ShadowHack}, a divide-and-conquer strategy that tackles these complexities by decomposing the original task into luminance recovery and color remedy. To brighten shadow regions and repair the corrupted textures in the luminance space, we customize LRNet, a U-shaped network with a rectified attention module, to enhance information interaction and recalibrate contaminated attention maps. With luminance recovered, CRNet then leverages cross-attention mechanisms to revive vibrant colors, producing visually compelling results. Extensive experiments on multiple datasets are conducted to demonstrate the superiority of ShadowHack over existing state-of-the-art solutions both quantitatively and qualitatively, highlighting the effectiveness of our design. Our code will be made publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google