May, 2019

基于协作图学习的 RGB-T 图像显著性检测

PDF
TL;DR本文提出了一种基于新颖的协作图学习算法的 RGB-T 图像显着性检测的有效方法，利用超像素作为图节点，在联合优化框架中共同使用分层深度特征来共同学习图相似性和节点显着性；同时，贡献了一个更具挑战性的数据集以用于 RGB-T 图像显着性检测，并在公共数据集和新创建的数据集上的广泛实验表明，所提出的方法在对比其他 RGB-T 显着性检测方法时表现得很有优势。
发现论文，激发创造
  • 一种统一的 RGB-T 显著性检测基准：数据集，基线，分析和新方法

    通过综合不同模态的输入方式，构建了一个适用于 RGB-T 图像的数据集，并提出了一种新的方法：多任务流形排序与跨模态一致性，大大提高了图像显著性检测的性能。

    Jan, 2017

  • RGBT 显著性目标检测：一个大规模数据集和基准

    该文提出了一个名为 VT5000 的新 RGBT 图像数据集，包括 5000 个具有地面实况标注的空间对齐的 RGBT 图像对。 该文介绍了一种基于多级特征和注意机制的强大基线方法，用于准确的 RGBT 显著目标检测，并在 VT5000 数据集和其他两个公共数据集上优于现有技术水平。

    Jul, 2020

  • 多模态混合学习与顺序训练在 RGB-T 显著性检测中的应用

    我们提出了一种多模态混合损失方法（MMHL），并引入了混合融合模块，在 RGB 和热感特征融合时考虑了空间和通道信息。同时，我们实施了顺序训练策略，通过在第一阶段仅对 RGB 图像进行训练，然后学习跨模态特征，从而提高了显著性检测性能，而无需额外计算开销。性能评估和消融研究结果表明，与现有的最先进方法相比，该方法取得了卓越的性能。

    Sep, 2023

  • 从双流到单流：通过互动提示学习和知识蒸馏实现高效的 RGB-T 跟踪

    通过可见光图像和红外热图像的融合进行物体跟踪的 RGB-T 跟踪，通过交叉模态相互提示学习的新型两流 RGB-T 跟踪架构，将此模型作为教师指导单流学生模型，通过知识蒸馏技术实现快速学习，实验证明与类似的 RGB-T 跟踪器相比，我们设计的教师模型达到了最高的精确度，而具有相当精确度的学生模型实现了比教师模型快三倍以上的推理速度。

    Mar, 2024

  • 无对齐 RGBT 显著目标检测：语义引导的非对称相关网络与统一基准

    通过提出一个利用语义引导的非对齐关键区域的不对称关联网络（SACNet），本文首次尝试解决未经手动对齐的 RGB 和热像对的 RGB 和 Thermal 显著目标检测（SOD）问题。使用统一的基准数据集 UVT2000，在对齐和非对齐数据集上进行了大量实验，证明了我们方法的有效性和出色的性能。

    Jun, 2024

  • 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

  • 具有全面信息的视觉显著性检测综述

    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。

    Mar, 2018

  • 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

  • RGB-T 对象跟踪：基准与基线

    该研究提出了一个大规模的 RGB-T 追踪视频基准数据集和一种新的基于图的方法，以学习强大的对象表示并实现多源数据融合的自适应融合，对其他最先进的追踪方法进行比较，并提供了对 RGB-T 对象追踪领域的新见解和潜在研究方向。

    May, 2018

  • 学习面向目标的双重注意力，实现 RGB-T 跟踪的稳健性

    本文提出了两种用于 RGB-T 目标跟踪的视觉关注机制，其中包括利用 RGB 和热感数据的局部关注和多模态目标驱动关注估计网络的全局关注。在两个 RGB-T 基准数据集上的实验验证了我们提出算法的有效性。

    Aug, 2019