SDDNet：用于阴影检测的风格引导双层解耦网络

尽管在阴影检测方面取得了显著进展，当前的方法仍然难以应对背景颜色带来的不利影响，这可能导致在复杂背景下出现阴影时产生错误。受人类视觉系统的启发，我们将输入的阴影图像视为背景层和阴影层的组合，并设计了一种风格引导的双层解耦网络（Style-guided Dual-layer Disentanglement Network, SDDNet）来独立建模这两个层次。为此，我们提出了一种特征分离与重组（Feature Separation and Recombination, FSR）模块，该模块通过为每个组件提供专门的监督，将多级特征分解为与阴影相关和与背景相关的部分，同时通过重建约束保持信息完整性并避免冗余。此外，我们还提出了一种阴影风格滤波器（Shadow Style Filter, SSF）模块，通过关注风格差异和统一来引导特征解耦。借助这两个模块和我们的整体流程，我们的模型有效减少了背景颜色的不利影响，在三个公开数据集上表现出色，并且具有每秒32帧的实时推理速度。