التعرف البصري القوي في ظروف جوية غير مواتية له أهمية كبيرة في التطبيقات الواقعية. في هذا السياق، نقترح طريقة جديدة لتعلم نماذج التجزئة الدلالية المقاومة للضباب. وتكمن الفكرة الأساسية في اعتبار حالة الضباب في الصورة كنمط (Style)، وسد الفجوة بين الصور ذات حالات ضباب مختلفة في فضاءات النمط العصبي لنموذج التجزئة. وبشكل خاص، نظرًا لأن النمط العصبي للصورة يتأثر عادةً بعوامل أخرى إلى جانب الضباب، نُقدِّم وحدة تصفية تمرير الضباب (fog-pass filter) التي تتعلم استخلاص عامل مرتبط بالضباب من النمط. ومن خلال التحسين المتناوب للوحدة التصفية الخاصة بالضباب والنموذج التجزئي، يتم تقليل الفجوة في النمط بين الحالات المختلفة للضباب تدريجيًا، مما يسمح بتعلم ميزات غير حساسة للضباب. تتفوق طريقة العمل هذه بشكل كبير على الطرق السابقة على ثلاث مجموعات بيانات حقيقية لصور ضبابية. علاوةً على ذلك، فإنها تحسن الأداء على الصور في ظروف ضبابية وصافية على حد سواء، في حين أن الطرق الحالية غالبًا ما تؤدي إلى تدهور الأداء في المشاهد الصافية.