NTIRE 2023 Image Shadow Removal Challenge Technical Report: Team IIM_TTI

本文旨在为NTIRE2023阴影去除挑战赛做准备，对ShadowFormer进行分析和讨论，并实现了五个关键的改进：图像对齐、引入感知质量损失函数、半自动标注阴影检测、阴影检测和去除的联合学习，以及引入新的数据增强技术“CutShadow”用于阴影去除。我们的方法在LPIPS得分中排名第3（19个参赛队伍中），在平均意见分数（MOS）得分中排名第4（19个参赛队伍中），取得了不错的成绩。

本文旨在为NTIRE2023 Shadow Removal Challenge做准备，提出了五个关键改进点，包括图像对齐、引入感知质量损失函数、半自动标注阴影检测、阴影检测和去除的联合学习，以及新的数据增强技术“CutShadow”。

本文提出的解决方案主要包括引入感知质量损失函数、半自动标注阴影检测、阴影检测和去除的联合学习，以及新的数据增强技术“CutShadow”，这些方法相比当前领域的研究具有一定的创新性。

本文使用了LPIPS和MOS两个指标进行评估，取得了不错的成绩。此外，本文还提出了新的数据增强技术“CutShadow”，值得关注。实验使用了NTIRE2021和ISTD等数据集，并开源了代码。值得继续深入研究的是如何进一步提高阴影去除的效果。

最近在这个领域中，还有一些相关的研究，如：Deep Shadow Detection and Removal Using Unpaired Training，Learning to Remove Shadows with Low-light Images via Inverse Rendering，等等。