[2026年7月28日提交]

查看PDF HTML（实验性）

摘要：野外视频阴影去除因复杂光照、多样化的阴影外观以及有限的训练数据而仍具挑战性。尽管其对众多视觉和图形应用至关重要，但在无约束的真实世界场景中仍基本未被探索。为填补这一空白，我们提出了WildShadowRemover框架，通过LoRA微调将预训练的视频扩散模型适配于鲁棒的视频阴影去除。为在保留模型强大生成先验的同时保留精细图像细节，我们在冻结的VAE解码器中引入细节注入模块，并提出阴影掩膜引导的频域分解调制模块，以选择性地恢复高频纹理并抑制阴影伪影。Depth Anything 3提供的单目深度先验进一步在具有挑战性的光照条件下提供几何感知指导。我们还构建了WildShadow，一个大规模配对视频阴影去除数据集和基准，涵盖多样化的合成场景。大量实验表明，我们的方法在阴影去除质量和时序一致性方面均优于现有方法，可生成具有优异视觉质量和强泛化能力的时序一致无阴影视频，适用于具有挑战性的野外场景。

提交历史

来自：Jiamin Xu [查看邮箱]
[v1] 2026年7月28日 周二 19:08:26 UTC (4,852 KB)