기존의 그림자 제거 방법들이 전역 대비 관계 모델링 부족, 영역별 차별화 처리 능력 제한, 그림자 잔류 및 경계 왜곡 문제를 갖는 점을 해결하기 위해 영역 대비 및 경계 인지 기반 그림자 제거 네트워크를 제안한다. 우선, 보완적인 공간 표현 및 핵심 영역 강화를 활용하는 다중 스케일 주의 메커니즘을 설계하여 이미지 구조 일관성을 향상시킨다; 둘째, 그림자 인지 모듈을 구축하여 그림자 영역과 비그림자 영역에 차별화된 특징 처리 전략을 적용함으로써 그림자 경계 및 전이 영역의 연속성을 증진한다; 다음으로, 전역 스케일에서 영역 간 대비 관계 정의 능력을 향상시키는 시각적 비교 주의 메커니즘을 제안한다; 마지막으로, 동적 가중치 조절 전략을 통한 결합 손실 함수를 설계하여 모델이 픽셀 정확도, 구조적 일관성 및 색상 안정성의 공동 최적화를 이룰 수 있도록 안내한다. 실험 결과 ISTD 데이터셋에서는 8가지 대표 방법과 비교하여 PSNR 평균이 1.57 dB 향상되었으며, SRD 데이터셋에서는 10가지 대표 방법과 비교하여 PSNR 평균이 2.03 dB 증가하였다. 또한 본 방법은 12.3M 매개변수로 재구성 품질과 모델 복잡성의 효율적인 균형을 달성하였다. 본 방법은 픽셀 수준 밝기 오류를 크게 감소시키고 그림자 잔류 및 경계 왜곡을 효과적으로 억제하여 더욱 자연스럽고 신뢰할 수 있는 그림자 제거 효과를 구현하였다.

그림자 제거;다중 스케일 주의;그림자 인지;시각적 대비 주의;영역 간 비교