该研究提出了多种基于Transformer的模型，如Retinex-based阴影模型和ShaDocFormer，旨在解决阴影消除和图像异常检测问题。这些方法通过引入注意机制和新架构，在多个数据集上显著提高了图像分割和变化检测的精度与效率。

本文综述多光源颜色恒常性研究进展，涵盖基于GAN的图像域转换、贝叶斯多假设、对数色度空间定位、无监督学习、级联卷积C4、对比学习CLCC及CNN局部光源估计等方法，并涉及色彩幻觉与阴影消除，显著提升了估计精度与鲁棒性。

该文介绍了一种基于Transformer的文档阴影消除方法ShaDocFormer，能够精确检测和捕捉阴影和照明的变化，以实现有效的阴影消除。实验证明，ShaDocFormer优于目前的最先进方法。