基于测试时间强度一致性适应的阴影检测
计算机视觉与模式识别
2024-10-14 v2
摘要
阴影检测对于计算机视觉中的准确场景理解至关重要，但因照明、物体几何和场景上下文的差异导致阴影外观多样化。深度学习模型因训练数据集大小和多样性有限，难以在真实图像上泛化。为此，我们引入TICA框架，利用测试时间的光强度信息提高阴影检测准确性。TICA利用阴影区域中光强度内在不一致性引导模型实现更一致的预测。初始在标记数据集上训练的基本编码器-解码器模型随后在测试阶段，通过强制两个增强输入图像版本的预测强度一致，从而针对每个测试样本调整网络。这种一致性训练特别针对前景和背景交叉区域，以准确识别图像中的阴影区域实现稳健适应。在ISTD和SBU阴影检测数据集上的广泛评估表明，TICA显著优于现有最先进的方法，实现了在平衡错误率(BER)方面的优异结果。
引用
@article{arxiv.2410.07695,
title = {Test-Time Intensity Consistency Adaptation for Shadow Detection},
author = {Leyi Zhu and Weihuang Liu and Xinyi Chen and Zimeng Li and Xuhang Chen and Zhen Wang and Chi-Man Pun},
journal= {arXiv preprint arXiv:2410.07695},
year = {2024}
}
备注
15 pages, 5 figures, published to ICONIP 2024