夺冠 CVPR 2026：SGCR-SR 凭借语义与几何双重引导，定义图像去阴影的新标杆

TL;DR

在 CVPR 2026 NTIRE 图像去阴影（Image Shadow Removal）挑战赛中，来自 AIT 和慕尼黑工大的联合团队凭借 SGCR-SR 框架摘得桂冠。该方法放弃了传统的一步到位式预测，转而采用一种受逆问题启发的三阶段渐进式细化（Cascaded Refinement）策略，并由于引入了 DINOv2 语义和深度几何先验，在极具挑战性的 WSRD+ 数据集上实现了性能的飞跃。

1. 痛点：为什么“一步到位”去不掉阴影？

图像去阴影的本质是光照解耦。现有的单阶段模型（如之前的 SOTA 模型 OmniSR）虽然强大，但在处理以下情况时经常翻车：

• 边界伪影：阴影边缘残留明显的过渡痕迹。
• 全局颜色漂移：去阴影区域与非阴影区域的白平衡不统一。
• 语义歧义：模型分不清这是一块黑色的地毯（反射率低）还是一个阴影（照度低）。

作者认为，去阴影不应该被视为一个简单的映射函数，而是一个迭代细化过程。第一阶段处理主要的遮挡，后两个阶段则像“打磨工”一样，专门针对残余的微小误差进行修正。

2. 核心架构：级联细化与多模态制导

2.1 渐进式细化流水线

SGCR-SR 构建了一个包含 $K=3$ 个阶段的级联网络。公式表达为： ${\hat{\mathbf{y}}}^{(k)}=f_k({\hat{\mathbf{y}}}^{(k-1)},S(\mathbf{x}),G(\mathbf{x}))$ 其中，$S(x)$ 是由 DINOv2 提取的语义特征，$G(x)$ 是深度图衍生的几何线索。这种设计的巧妙之处在于，虽然模型各阶段的输入图像在变，但语义和几何参考始终锚定在原始输入上，保证了修复过程不会偏离场景结构。

2.2 几何与语义的魔法

• DINOv2 语义引导：利用冻结的 ViT-L/14 提供全局场景理解，帮助模型识别哪些物体由于类别属性本来就该是暗色。
• Depth Anything V2 几何引导：引入单目深度和表面法线。阴影的形成与几何遮挡密切相关，法线信息能够显著提升模型对阴影边界处理的精确度。

3. 训练黑科技：收缩约束目标函数

多阶段网络常见的痛点是“优化不稳定”：可能第二阶段修好了颜色，但第三阶段又把边缘搞模糊了。为了解决这个问题，作者引入了收缩损失（Contraction Loss）： ${\mathcal{L}}_{\mathrm{contraction}}={\sum }_{k=2}^K{\left[d_k-\mathrm{sg}(d_{k-1})\right]}_{+}$ 通过 Stop-gradient (sg) 算子，强制要求当前阶段的误差 $d_k$ 必须小于前一阶段。如果效果变差，损失函数就会施加强力惩罚。这种强制性的“单调改进”约束是该模型保持高保真度的核心秘密。

4. 实验战绩与消融分析

4.1 挑战赛统治力

在 NTIRE 2026 榜单上，SGCR-SR 在 PSNR、SSIM 和 FID 等核心指标上全面领先。相比于依赖超大规模 Diffusion Backbones 的方案（如第二名 RAS 和第四名 APRIL-AIGC），这种基于 Transformer 的纯恢复架构在推理速度（0.30s）和参数量（74.3M）上表现得更加平衡和工业友好。

4.2 消融实验：谁才是核心功臣？

根据实验数据（如 Table 3b）：

• 去掉 DINOv2：PSNR 暴跌（27.356 -> 25.859），证明语义信息是去阴影的生存之本。
• 去掉收缩约束：PSNR 从 27.356 降至 27.173，验证了该约束对系统性能上限的提升作用。
• 阶段数对比：从 1 阶段到 3 阶段，性能稳步上升，但到 4 阶段后出现收益递减，最终选定 K=3 达到性价比帕累托最优。

上图展示了误差图随阶段增加而逐渐变“暗”的过程，尤其是阴影过渡地带的误差被显著抹除。

5. 总结与展望

SGCR-SR 展示了通过**结构化先验（Semantic + Geometric）与递归算法逻辑（Iterative Refinement）**相结合的力量。它不仅在常规摄影图像上表现出色，在 viewpoint 奇特、纹理复杂的 UAV 无人机图像上也表现出极强的泛化能力。

局限性：尽管 PSNR 表现极致，但多阶段模型在一定程度上会使纹理过度平滑（导致 LPIPS 略微下降）。未来的研究方向可能会集中在如何通过生成式对抗或感知蒸馏，在保持高保真度的同时，找回那些丢失的“感官细节”。

作者总结：去阴影不再是盲目地从 RGB 到 RGB 的映射，而是基于对场景几何与语义的深刻洞察，通过级联“纠错”实现的照明重建。