本网讯 近日，我校计算机科学与工程学院本科生曾英豪在导师陈绪行老师的指导下，与上海交通大学、中国科学院深圳先进技术研究院、澳门大学以及深圳职业技术大学的学者合作，发表研究论文《DynRouteNet: Lightweight Facial Shadow Removal with Mask-Guided Dynamic Routing》被消费电子领域国际权威期刊IEEE Transactions on Consumer Electronics(SCI二区，影响因子10.9)录用并在线发表。
在智能手机、网络摄像头等消费级电子设备中，复杂的光照条件常常会在人脸图像上产生阴影。这不仅影响了照片的美观度，也严重干扰了人脸识别、实况美颜等应用的准确性。现有的深度学习方法虽然效果显著，但其巨大的计算需求使其难以部署在资源有限的移动设备上。
针对这一挑战，该研究提出了一种名为DynRouteNet的轻量级神经网络架构，专为消费电子设备上的实时人脸阴影去除而设计。该网络包含两大核心创新：一是动态路由机制：该机制能智能识别图像中阴影的复杂程度，并自适应地分配计算资源。对于简单的阴影，使用更高效的计算路径；对于复杂的阴影，则调用更强大的处理模块，从而在处理效果和计算效率之间取得了绝佳的平衡。二是ScaleFuse MaskFlow策略：该策略巧妙地利用了多尺度的阴影掩码信息来引导整个修复过程。它能够在不同分辨率的特征图上精确地融合阴影位置信息，既保证了对人脸细节（如皮肤纹理、面部轮廓）的精细还原，又最大限度地降低了显存占用。
提出的DynRouteNet模型
实验结果表明，DynRouteNet 在效果和效率上均超越了当前主流的方法。该模型的参数量仅为1.113M，但在标准的SHAREL和UCB测试集上，其阴影去除效果的多项关键指标（如PSNR, SSIM）均达到顶尖水平。更重要的是，在一台搭载骁龙8 Gen 2芯片的安卓手机上进行的实测显示，DynRouteNet处理一张图片平均耗时仅为40.54毫秒，处理速度远超于同类先进模型RASM（107.48毫秒），完全满足了消费电子设备实时处理的需求。此外，在包含20名不同背景参与者的用户研究中，DynRouteNet生成的结果在图像真实性、色彩准确度、整体清晰度和去除效果四个维度上获得了最高的主观评分。
阴影去除效果对比