[Submitted on 28 Jul 2026]

View PDF HTML (experimental)

Abstract:野外影片陰影移除因複雜光照、多樣陰影外觀以及有限的訓練資料而仍具挑戰性。儘管對許多視覺與圖形應用至關重要，但在無拘束的真實世界情境中仍鮮少被探討。為填補此缺口，我們提出 WildShadowRemover，一個透過 LoRA 微調將預訓練影片擴散模型適配於穩健影片陰影移除的框架。為保留細緻影像細節同時保留模型強大的生成先驗，我們在凍結的 VAE 解碼器中加入細節注入模組，並引入陰影遮罩引導的頻率分解調變模組，以選擇性地恢復高頻紋理同時抑制陰影偽影。來自 Depth Anything 3 的單眼深度先驗進一步在具挑戰性的光照條件下提供幾何感知引導。我們亦建構 WildShadow，一個涵蓋多樣合成場景的大規模配對影片陰影移除資料集與基準。廣泛實驗證明，我們的方法在陰影移除品質與時間一致性上優於現有方法，能產生具優異視覺品質與在具挑戰性的野外情境中強大泛化能力的時間相干無陰影片。

Submission history

From: Jiamin Xu [view email]
[v1] Tue, 28 Jul 2026 19:08:26 UTC (4,852 KB)