Mar, 2018

具有全面信息的视觉显著性检测综述

PDF
TL;DR本论文综述不同类型的显着性检测算法，并总结现有方法的重要问题，分析了存在的问题和未来的工作。此外，简要介绍了评估数据集和定量测量，并进行了实验分析和讨论，以提供不同显著性检测方法的整体概述。
visual saliency detectionrgbd saliency detectionco-saliency detectionvideo saliency detectionevaluation datasets
发现论文，激发创造
  • 基于体积显著性引导的 RGB-D 室内场景分类图像摘要化

    本研究提出了一种基于体积显著性引导的室内场景分类方法，结果表明该方法的有效性。

    Jan, 2024

  • HSCS: 基于层次稀疏性的 RGBD 图像共同显著性检测

    本文提出了一种基于分层稀疏重建和能量函数精化的 RGBD 图像联合显著性检测方法，能够较好地提升图像在整体和局部层面的一致性和稀疏性，对于计算机视觉任务有一定的应用价值。

    Nov, 2018

  • 基于深度置信度分析和多线索融合的立体图像显著性检测

    本研究提出了一种新的立体图像显著性检测方法，该方法通过对深度图进行可靠性测量和深度信息引入图形构建，提出了一种新的基于颜色和深度线索的紧凑性定义来计算紧凑性显著性图，并通过基于深度精化的前景种子选择机制和多个线索对比计算前景显著性图，最后通过加权求和的方法将这两种显著性图集成成一个最终的显著性图。在两个公开的立体数据集上的实验表明，与其他 10 种最先进的方法相比，所提出的方法具有更好的性能。

    Oct, 2017

  • RGB-D 显著物体检测：综述

    本文从各个角度综述了基于 RGB-D 的显著性目标检测模型，并详细回顾了相关基准数据集。此外，我们进行了综合评估，并探讨了未来研究的挑战和方向。

    Aug, 2020

  • 基于深度融合的 RGBD 显著物体检测

    本文提出了一种新的卷积神经网络来融合不同的 RGBD 低级显著性线索，利用 Laplacian 传播框架提取空间一致的显著性图，并在三个数据集上进行了广泛的实验评估，结果表明这种方法始终优于现有的最先进方法。

    Jul, 2016

  • RGBD 图像的迭代共同显著性框架

    本文提出了一种基于迭代的 RGBD 共同显著性框架，其中使用现有的单一显著性图作为初始化，并通过使用一个精炼周期模型生成最终的 RGBD 共同显著图。该方法可以有效地将任何现有的 2D 显著性模型用于 RGBD 共同显著性场景，并使用深度信息增强共同显著对象的识别。在两个 RGBD 共同显著数据集上的实验证明了本提出的框架的有效性。

    Nov, 2017

  • RGB-D 显著目标检测的自适应融合

    本文提出了一种自适应融合方案，通过两个卷积神经网络中提取的特征和预测的显著性地图，学习一个切换显著性地图的开关来自适应地融合 RGB 和深度模态中所生成的显著性预测。为了实现全监督，利用显著性监督、开关映射监督和边缘保留约束来设计了一个损失函数，并通过端到端训练方式训练整个网络。经过自适应融合策略和边缘保留约束的好处，我们的方法在三个公开数据集上优于已有方法。

    Jan, 2019

  • 深度敏感关注和自动多模态融合的 RGB-D 显著性检测

    本文提出了一种深度敏感的 RGB 特征建模方案，并使用深度几何先验来实现特征增强和背景分心减少。另外，我们还提出了一种自动架构搜索方法来进行 RGB-D 显着对象检测，取得了比现有技术更好的结果。

    Mar, 2021

  • 基于全卷积网络的视频显著对象检测

    本文提出了一个深度学习模型，通过数据增强技术和动态显著性模型来高效地检测视频中的显著区域，该模型在 DAVIS 和 FBMS 数据集上达到了最新的性能标准。

    Feb, 2017

  • 学习选择性互注意力和对比度用于 RGB-D 显著性检测

    本文旨在解决如何有效地融合 RGB-D 信息来进行显著目标检测的关键问题。通过提出一个新的互惠关注模型来融合来自不同模态的注意力和上下文信息，实现高阶和三线性交叉信息互补，从而提高 RGB-D SOD 的模型性能。同时，通过添加选择性关注来重新加权深度相关信息，提高模型的鲁棒性。在两个数据集上的实验验证了该模型的有效性。

    Oct, 2020