近日，我院吴文老师与杭州电子科技大学陈小雕教授团队合作，在计算机视觉领域CCF B类期刊《Computer Vision and Image Understanding》（CVIU）发表题为“Pay more attention to dark regions for faster shadow detection”的研究论文。浙江水利水电学院为唯一通讯单位，吴文老师为唯一通讯作者。
针对阴影检测中“精度与速度难以兼得”的痛点，研究团队提出了一种基于视觉Transformer的高效框架FasterSD。不同于传统方法单纯依靠网络轻量化提速，该工作创新性地引入了“Token Pausing”策略：利用预测后验熵动态识别高置信度的明亮区域，并暂停其深层计算，将有限的算力集中分配给阴影边界、暗区等困难样本。同时，配合随机暂停训练机制，模型无需重新训练即可灵活适配不同推理速度需求。
实验表明，FasterSD在多个基准数据集上实现了精度与推理速度的优异平衡。该成果融合了动态计算分配与不确定性估计，为复杂场景下的高效视觉感知提供了新思路，进一步彰显了我院在计算机视觉与智能计算领域的研究实力。
Xian-Tao Wu, Xiao-Diao Chen, Hongyu Chen, Wen Wu, Weiyin Ma, Haichuan Song. Pay more attention to dark regions for faster shadow detection[J]. Computer Vision and Image Understanding, 2026, 263: 104589. https://doi.org/10.1016/j.cviu.2025.104589
