PulseAugur
中
实时 07:02:34
English(EN) WildShadowRemover: In-the-Wild Video Shadow Removal via Detail-Preserving Video Diffusion Models

新的扩散模型解决了视频中的野外阴影去除问题

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了两种使用扩散模型去除视频阴影的新方法。WildShadowRemover 通过细节注入模块和频率分解调制模块来适应预训练的视频扩散模型，以保留精细细节并抑制阴影伪影。FreeShadow 是一种无需训练的方法，利用光照迁移注意力来恢复光照，并选择性地保留对内容保真度不变的光照分量，并通过局部纹理保留的重新照明进一步增强。这两种方法都旨在提高阴影去除的质量、时间一致性以及在各种真实场景中的泛化能力。 AI

影响 这些方法可以通过在各种真实素材中实现更真实、更自动化的阴影去除，从而改进视频编辑和视觉效果。

排序理由 arXiv 上发表了两篇研究论文，详细介绍了使用扩散模型进行视频阴影去除的新方法。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的扩散模型解决了视频中的野外阴影去除问题

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Jiamin Xu, Cong Wang, Zheng Dong, Chi Wang, Renshu Gu, Weiwei Xu, Gang Xu ·

    WildShadowRemover：通过细节保留视频扩散模型实现野外视频阴影去除

    arXiv:2607.26203v1 Announce Type: new Abstract: Video shadow removal in the wild remains challenging due to complex illumination, diverse shadow appearances, and limited training data. Despite its importance to numerous vision and graphics applications, it remains largely unexplo…

  2. arXiv cs.CV TIER_1 English(EN) · Yinan Wang, Yan Huang, Yong Xu, Patrick Le Callet ·

    FreeShadow：基于光照迁移和扩散模型中选择性内容保留的无训练阴影去除

    arXiv:2607.26715v1 Announce Type: new Abstract: Existing supervised and unsupervised shadow removal methods often suffer from limited generalization due to the insufficient diversity of available training datasets, while zero-shot methods tend to produce artifacts and require tim…

相关实体

相关话题