SDDNet：用于阴影检测的样式引导双层解耦网络
计算机视觉与模式识别
2024-12-10 v2
摘要
尽管阴影检测已取得显著进展，现有方法仍受背景颜色不利影响的困扰，当阴影出现在复杂背景上时可能导致错误。受人类视觉系统启发，我们将输入的阴影图像视为背景层与阴影层的组合，并设计了一种样式引导双层解耦网络（SDDNet）来独立建模这两层。为此，我们设计了特征分离与重组（FSR）模块，通过对各分量提供专门监督，将多级特征分解为阴影相关与背景相关分量，同时借助重建约束保持信息完整性并避免冗余。此外，我们提出阴影样式滤波器（SSF）模块，通过关注样式差异与统一化来引导特征解耦。借助这两个模块及整体流程，我们的模型有效最小化了背景颜色的有害影响，在三个公开数据集上取得优越性能，并具备 32 FPS 的实时推理速度。
引用
@article{arxiv.2308.08935,
title = {SDDNet: Style-guided Dual-layer Disentanglement Network for Shadow Detection},
author = {Runmin Cong and Yuchen Guan and Jinpeng Chen and Wei Zhang and Yao Zhao and Sam Kwong},
journal= {arXiv preprint arXiv:2308.08935},
year = {2024}
}
备注
Accepted by ACM MM 2023