既存の影除去手法が全体的な対比関係のモデリング不足、領域ごとの差別化処理能力の限界、影の残存や境界の偽影といった問題を抱えていることを踏まえ、領域対比と境界認識に基づく影除去ネットワークを提案する。まず、補完的な空間表現と重要領域の強化を活用する多尺度注意機構を設計し、画像の構造的一貫性を向上させる。次に、影領域と非影領域に対して差異化された特徴処理戦略を適用する影認識モジュールを構築し、影の境界およびその遷移領域の連続性を高める。さらに、全体スケールで領域間の対比関係を定義する能力を高める視覚的対比注意機構を提案する。最後に、動的重み調整戦略を用いた結合損失関数を設計し、モデルがピクセル精度、構造的一貫性および色の安定性を協調的に最適化するよう導く。実験結果は、ISTDデータセットにおいて8つの代表的手法と比較してPSNRが平均1.57 dB向上し、SRDデータセットにおいて10の代表手法と比較してPSNRが平均2.03 dB向上したことを示している。同時に、本手法は12.3Mのパラメータ量で再構成品質とモデルの複雑さの有効なバランスを実現している。本手法はピクセルレベルの輝度誤差を著しく低減し、影の残留および境界の偽影を効果的に抑制し、より自然で信頼性の高い影除去効果を実現した。

影除去;多尺度注意;影認識;視覚的対比注意;領域間対比