BriefGPT - AI 论文速递
·
语义引导的对抗扩散模型用于自监督阴影去除
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了使用扩散模型的方法，通过细化阴影区域的细节，避免了传统方法的局限性。同时，通过融合噪声特征和扩散网络，缓解了训练过程中的局部最优问题。在AISTD和DESOBA数据集上，该方法的性能较之前的最佳方法提高了13%和82%。
🎯
关键要点
- 使用扩散模型进行纹理恢复，解决从含有阴影图像推断无阴影场景的难题。
- 通过逐渐细化阴影区域的细节，避免了传统方法的局限性。
- 借鉴无阴影图像特征的学习潜在特征空间。
- 融合噪声特征与扩散网络，缓解训练过程中的局部最优问题。
- 在AISTD数据集上，方法的RMSE性能提高了13%。
- 在DESOBA数据集上，方法的RMSE性能提高了82%。
➡️
