TL;DR本文介绍了一种创新的方法 SAM-helps-Shadow,将分割模型 SAM 用于影子去除,利用零样本学习提高模型在实际场景中的适用性,使用二阶深度展开网络实现影子去除,提高了阴影检测的准确性和效率。
Abstract
The challenges surrounding the application of image shadow removal to
real-world images and not just constrained datasets like ISTD/SRD have
highlighted an urgent need for zero-shot learning in this field. In thi
我们提出了 AdapterShadow,这是一种用于阴影检测的适应 SAM 模型的方法。我们在 SAM 的冻结图像编码器中插入可训练的适配器,以适应阴影图像,并引入一种新颖的网格采样方法以生成密集的点提示,从而在没有任何手动干预的情况下自动分割阴影。通过在四个广泛使用的基准数据集上进行广泛的实验,我们展示了我们提出方法的卓越性能。