这篇论文提出了一种名为HomoFormer的新型Transformer模型，用于图像阴影去除。论文的主要贡献和创新点如下：

1. 研究背景与动机

• 阴影去除的挑战：阴影在自然场景图像中普遍存在，影响图像质量并限制后续计算机视觉任务的性能。阴影的空间分布不均匀且模式多样，导致传统的卷积神经网络（CNN）和基于窗口的Transformer模型难以有效处理。

• 现有方法的局限性：现有的方法通常依赖于复杂的模型来适应阴影的非均匀分布，但这些模型的计算复杂度高，难以应用于高分辨率图像。

2. 方法概述

• 随机打乱操作：为了应对阴影的非均匀分布问题，论文提出了一种新的策略：通过随机打乱操作（Random Shuffle）将阴影的非均匀分布均匀化。随机打乱操作将图像像素在空间上随机重新排列，使得阴影在整个图像中均匀分布，从而便于后续的局部自注意力层处理。
  

• 逆打乱操作：在随机打乱操作后，通过逆打乱操作（Inverse Shuffle）将像素恢复到原始顺序，确保图像语义信息不丢失。

• 局部自注意力层：在均匀化的空间中，使用局部自注意力层（Local Self-Attention）来处理图像，避免了传统全局自注意力的高计算复杂度。
  

• 结构建模的前馈网络（FFN）：由于随机打乱操作破坏了像素的相对位置信息，论文设计了一种新的前馈网络（FFN），通过深度卷积来建模图像的结构信息。
  

3. 主要贡献

• 均匀化阴影分布：论文提出了一种新的视角，通过随机打乱操作将阴影的非均匀分布均匀化，从而解决了传统模型在处理非均匀阴影时的局限性。

• HomoFormer模型：基于随机打乱和逆打乱操作，论文构建了一个名为HomoFormer的局部窗口Transformer模型，能够在保持线性计算复杂度的同时，有效处理非均匀分布的阴影。
  

• 实验验证：论文在多个公开数据集上进行了广泛的实验，验证了HomoFormer在阴影去除任务中的优越性，并展示了其在生成高质量无阴影图像方面的能力。

4. 实验与结果

• 数据集：实验在ISTD+和SRD两个基准数据集上进行，评估了HomoFormer与现有最先进方法的性能对比。

• 定量评估：HomoFormer在阴影区域、非阴影区域和整个图像上的均方误差（MAE）、峰值信噪比（PSNR）和结构相似性（SSIM）等指标上均优于现有方法。
  SDR
  

• 定性评估：视觉对比结果显示，HomoFormer生成的图像具有更少的伪影和更清晰的细节。
  
  

• 消融实验：通过消融实验验证了随机打乱操作和结构建模FFN的有效性，表明它们对提升模型性能起到了关键作用。

5.核心代码

import torch
import torch.nn as nn
import torch.utils.checkpoint as checkpoint
from timm.models.layers import DropPath, to_2tuple, trunc_normal_
import torch.nn.functional as F
from einops import rearrange, repeat
from einops.layers.torch import Rearrange
import math
import numpy as np
import time
from torch import einsum
import random


class PModule(nn.Module):
    def __init__(self, dim=32, hidden_dim=128, act_layer=nn.GELU, drop=0.):
        super().__init__()
        self.linear1 = nn.Linear(dim, hidden_dim)
        self.dwconv = nn.Conv2d(hidden_dim, hidden_dim, groups=hidden_dim, kernel_size=3, stride=1, padding=1)
        #self.selayer = SELayer(hidden_dim//2)
        self.linear2 = nn.Sequential(nn.Linear(hidden_dim//2, dim))
        self.dim = dim
        self.hidden_dim = hidden_dim

    def forward(self, x, img_size=(128, 128)):
        # bs x hw x c
        hh,ww = img_size[0],img_size[1]
        x = self.linear1(x)

        # spatial restore
        x = rearrange(x, ' b (h w) (c) -> b c h w ', h=hh, w=ww)

        x1,x2 = self.dwconv(x).chunk(2, dim=1)
        x3 = x1 * x2
        #x4=self.selayer(x3)
        # flaten
        x3 = rearrange(x3, ' b c h w -> b (h w) c', h=hh, w=ww)
        y = self.linear2(x3)

        return y

class SepConv2d(torch.nn.Module):
    def __init__(self,
                 in_channels,
                 out_channels,
                 kernel_size,
                 stride=1,
                 padding=0,
                 dilation=1, act_layer=nn.ReLU):
        super(SepConv2d, self).__init__()
        self.depthwise = torch.nn.Conv2d