Concepts de base
제안된 ShadowMaskFormer 프레임워크는 그림자 정보를 초기 처리 단계에 통합하여 효율적이고 정확한 그림자 제거를 달성합니다.
Résumé
이 논문은 그림자 제거를 위한 새로운 transformer 기반 프레임워크인 ShadowMaskFormer를 소개합니다. 기존 transformer 기반 방법들은 복잡한 모듈 설계를 통해 그림자 정보를 활용하지만, ShadowMaskFormer는 초기 패치 임베딩 단계에서 그림자 정보를 통합하는 새로운 접근법을 제안합니다.
구체적으로, ShadowMaskFormer는 Mask Augmented Patch Embedding (MAPE)라는 간단하고 효과적인 패치 임베딩 모듈을 도입합니다. MAPE는 그림자 마스크 정보를 활용하여 그림자 영역 픽셀을 초기 단계에서 강화합니다. 이를 통해 모델이 그림자 영역의 특징을 더 효과적으로 학습할 수 있습니다.
실험 결과, ShadowMaskFormer는 ISTD, ISTD+, SRD 벤치마크 데이터셋에서 기존 최신 방법들을 능가하는 성능을 보였으며, 동시에 모델 파라미터 수도 크게 감소시켰습니다. 이는 ShadowMaskFormer가 그림자 제거 문제에 대해 더 효율적이고 정확한 솔루션을 제공한다는 것을 보여줍니다.
Stats
그림자 영역의 RMSE는 기존 방법 대비 최대 1.3배 감소했습니다.
전체 이미지의 RMSE는 기존 방법 대비 최대 1.2배 감소했습니다.
모델 파라미터 수는 기존 방법 대비 최대 2.1배 감소했습니다.
Citations
"제안된 ShadowMaskFormer 프레임워크는 그림자 정보를 초기 처리 단계에 통합하여 효율적이고 정확한 그림자 제거를 달성합니다."
"MAPE는 그림자 마스크 정보를 활용하여 그림자 영역 픽셀을 초기 단계에서 강화함으로써, 모델이 그림자 영역의 특징을 더 효과적으로 학습할 수 있게 합니다."