ECCVMar, 2018

混乱环境下的显著物体：将显著物体检测置于前景

PDF
TL;DR本文对显著物体检测模型进行了全面评估，发现现有 SOD 数据集中普遍存在偏见性，即假设每幅图像中至少包含一个低噪声的显著物体。这种偏见导致现有数据集上的最新 SOD 模型性能过高，但在面临实际场景时仍表现不尽如人意。该研究提出了一个综合、平衡且高质量的新数据集 SOC，该数据集包含各种日常物品的显著和非显著物体，并提供反映实际情况的通用挑战属性。最后，本文还对该数据集进行了基于属性的性能评估。
salient object detectiondesign biassod datasetssoc datasetattribute-based performance assessment
发现论文，激发创造
  • 深度学习时代的显著目标检测：深度调研

    本文综述了计算机视觉中的一个重要问题：显著物体检测（SOD）。研究者们采用基于深度学习的方法进行研究，并从算法分类法到未解决的问题等多个角度全面梳理了深度学习在 SOD 方面的最新进展，提出了一些新观点和实验结果。

    Apr, 2019

  • 点云显著目标检测

    本文研究了点云显著目标检测的新领域，提出了一个新的视角来解决点云中显著性冲突的问题，并且构建了第一个点云显著对象数据集 PCSOD，并对比了五种代表模型的检测效果。

    Jul, 2022

  • 重新思考共显目标检测

    本文提出了一种更具挑战性的新的 CoSOD 基准数据集 CoSOD3k，整合了现有的 SOD 技术以构建统一的可训练 CoSOD 框架 CoEG-Net，并全面总结了 40 项尖端算法，并在三个挑战性的 CoSOD 数据集上进行了性能分析，旨在推动 CoSOD 社区的发展。

    Jul, 2020

  • 光场显著性目标检测：综述与基准

    这篇论文提供了关于光场显著性检测的全面综述和基准，包括理论介绍、现有文献综述、数据集总结及统计分析、基准模型和未来挑战方向等方面。

    Oct, 2020

  • 显著目标检测：基准测试

    通过在 6 个具有挑战性的数据集上定量和定性地比较 40 个最先进的模型（28 个显著性目标检测、10 个注视预测、1 个目标性、1 个基准）以进行显著目标检测和分割方法的基准测试，评价显示，这个领域在准确度和运行时间方面在过去几年里有了持续的快速进步。对于这个问题，我们发现显著目标检测专门设计的模型通常比相关领域中的模型表现更好，这为问题的精确定义提供了提示，并提出了一些可能的解决方案和未来的研究方向。

    Jan, 2015

  • 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

  • 不确定性感知联合醒目物体和伪装物体检测

    该论文提出了一种利用对立信息来增强视觉显著目标检测和迷彩目标检测能力的新模式，实现了基于对立性空间的性质模块的相似度测量和网络置信度估计。

    Apr, 2021

  • 语义提炼引导显著性目标检测

    本文提出了一种基于 Vision-Transformer 的语义蒸馏协助显著目标检测方法，通过融合从生成的图像字幕中语义蒸馏的知识，可以更好地揭示物体之间、物体与环境之间的显著性，并弥补了昂贵标注的主观性不足。在五个基准数据集上的综合实验表明，SDG-SOD 在四个评估指标上优于现有技术，并大大提高了 DUTS、ECSSD、DUT、HKU-IS 和 PASCAL-S 数据集上的模型性能。

    Mar, 2022

  • 基于基准数据集和显著性引导的堆叠自编码器的基于视频的显著性目标检测

    本文提出了一个由人眼注视数据和手工标注的对象 8.1W 张图构成的视频显著对象检测数据集，并提出了一个基于自动编码器的无监督方法，利用该数据集证实了该方法具有很好的效果。

    Nov, 2016

  • 显著性目标检测综述

    本文介绍近期在显著物体检测领域中的一些进展和问题，涵盖了 228 个出版物，讨论了关键概念、任务、核心技术和建模趋势、数据集和评估指标，并探讨了模型性能的数据集偏差和评估指标等方面的开放性问题以及未来的研究方向。

    Nov, 2014