Jun, 2016

OpenSalicon: Salicon 显著性模型的开源实现

PDF
TL;DR本文介绍了 SALICON 显着性模型的公共实现。该模型是 MIT 300 注视点预测数据集中表现最优秀的模型之一，支持训练和测试，并且提供预训练模型和代码，方便用户使用。
salicon modelsaliencyvisual attention modelingmit300fine-tune
发现论文，激发创造
  • SalNet360：使用 CNN 生成全向图像的显著性图

    本文提出了一种对卷积神经网络进行扩展的架构，以使其能够有效地预测全向图像（ODI）中的视觉关注数据，从而为内容创建者提供帮助。研究人员通过展示每一步都可以使所生成的显着性地图与基础真实数据更加准确来证明这一算法的可行性。

    Sep, 2017

  • SID4VAM: 面向视觉注意力建模的合成图像基准数据集

    通过使用 230 个合成图像对显著性模型的性能进行了基准测试，研究发现，受到谱 / 傅里叶灵感的模型在显著性测量方面表现更好，并与人类心理物理实验更加一致，提出了一种新的方法来评估显著性模型，考虑了独特的低级特征背景下的合成图像。

    Oct, 2019

  • 简化显著性基准测试：分离模型、显著图和度量

    通过贝叶斯决策理论，将视觉显著性模型、显著性地图和评价指标分离，提出了一种基于概率模型的注视密度预测方法，并通过计算这些最优显著性地图来解决了显著性模型评估中不一致的指标问题。

    Apr, 2017

  • CAT2000：用于推动显著性研究的大规模注视数据集

    对当前显著性模型问题的深入洞察及更好的测量方法，如通过记录 120 个观察者在查看了包含 4000 幅图像的数据集时的眼动数据、分析数据集的基本特性、比较一些成功模型等，可帮助推进下一代显著性模型的研究，并有助于进行视觉注意力的行为研究。

    May, 2015

  • 黑盒分类器的实时图像显著性

    本文介绍了一种快速的显著性检测方法，可以应用于任何可微分的图像分类器，其通过训练掩膜模型来操纵分类器的分数，从而检测图像的显著部分，并在 CIFAR-10 和 ImageNet 数据集上进行了测试，表明其结果优于其他弱监督方法。

    May, 2017

  • 来自注视的学习醒目度

    基于变压器模型的 Saliency TRansformer 方法通过利用变压器中的并行解码，仅从注视地图中学习显著性，并将显著性预测视为一种直接的集合预测问题，通过一种全局损失来预测唯一的注视点，并在 Salicon 和 MIT300 基准测试中取得与最先进方法相当的度量分数。

    Nov, 2023

  • 一种基于 LSTM 的显著性关注模型用于预测人眼注视点

    提出了一种基于卷积 LSTM 的新型模型，结合神经注意机制，可预测准确的显著图，并学习一组使用高斯函数生成的先验图，这种模型在公共显著性预测数据集上表现优于现有技术，可以克服人眼注视典型的中心偏差，并且对于不同的情境展现了关键组件各自的贡献。

    Nov, 2016

  • 深度视觉显著性模型的理解与可视化

    通过分析深度显著性模型中间层个体神经元学习的特征表示，研究表明：一些视觉区域已经预先编码在对象识别的网络的各个层中，预先训练模型 fine-tuning 以进行显著性预测会使它们偏爱某些类别，在自然图像上，深层显著性模型胜于传统模型，但在人造刺激上表现反其道而行之。

    Mar, 2019

  • SalGaze: 使用视觉显著性个性化注视点估计

    提出 SalGaze，一种利用视觉内容中的显著性信息，无需显式用户校准，可透明地适应用户注视估计算法的框架，能够使用与标准点校准数据不同的显式视频显著性校准数据的统一框架，优于现有方法，精度提高了 24%。

    Oct, 2019

  • 深度显著性模型对视觉注意力的学习

    通过分解隐含特征为可解释的基底，提出了一种新的分析框架，用于研究深度显著性模型成功背后的隐含特征、显著性预测的原理以及其对不同应用场景中的视觉注意力的影响。

    Oct, 2023