SDDNet : Réseau de désentrelacement à deux couches guidé par le style pour la détection d'ombres

Malgré des progrès significatifs dans la détection d'ombres, les méthodes actuelles peinent encore à atténuer l'impact négatif de la couleur de fond, ce qui peut entraîner des erreurs lorsque des ombres sont présentes sur des arrière-plans complexes. En nous inspirant du système visuel humain, nous considérons l'image d'ombre d'entrée comme une composition d'une couche de fond et d'une couche d'ombre, et nous concevons un réseau de désentrelacement à deux couches guidé par le style (SDDNet) pour modéliser ces couches indépendamment. Pour y parvenir, nous élaborons un module de séparation et de recomposition des caractéristiques (FSR) qui décompose les caractéristiques multivariées en composantes liées aux ombres et au fond en offrant une supervision spécialisée pour chaque composante, tout en préservant l'intégrité des informations et en évitant la redondance grâce à la contrainte de reconstruction. De plus, nous proposons un module de filtre stylistique d'ombre (SSF) pour guider le désentrelacement des caractéristiques en se concentrant sur la différenciation et l'uniformisation du style. Avec ces deux modules et notre pipeline global, notre modèle minimise efficacement les effets néfastes de la couleur de fond, offrant des performances supérieures sur trois jeux de données publics avec une vitesse d'inférence en temps réel de 32 images par seconde (FPS).