現在の最先端の物体認識アーキテクチャは、優れた性能を達成しているが、通常は1つの描写スタイル（例：写真のみ、スケッチのみなど）に特化している。本論文では、描写の仕方（線画、リアルな陰影付きの描画、写真など）にかかわらず物体を認識できる、我々が提案する畳み込みニューラルネットワーク（CNN）アーキテクチャ「SwiDeN」を紹介する。SwiDeNでは、描写スタイルに応じて適切に切り替わる新しい「深層的」な描写スタイルベースのスイッチング機構を採用し、描写依存的および描写不変の両面的な特徴を適切に扱っている。我々は、複数の描写スタイルで表現された物体を含む50カテゴリの「Photo-Art」データセット上で、SwiDeNを他のアーキテクチャおよび先行研究と比較した。実験結果から、描写不変な物体認識という問題に対して、SwiDeNが他の手法を上回ることが示された。