该论文研究了任意模态显著目标检测（AM SOD）的任务，旨在从任意模态（如 RGB 图像，RGB-D 图像和 RGB-D-T 图像）中检测显著对象。首先，提出了一种新颖的模态自适应 Transformer（MAT）来解决 AM SOD 中的两个基本挑战，即需要处理不同模态类型引起的更多多样化模态差异以及由多模态融合策略输入中不确定的模态数量引起的动态融合设计。其次，通过学习一些提示，MAT 首先提出了模态适应特征提取器（MAFE）来处理多样化模态差异，为每种模态引入一个模态提示。接着，MAFE 采用新的模态转换收缩（MTC）损失在训练阶段进一步设计，以帮助 MAFE 学习那些模态可区分的模态提示。然后，MAFE 通过通道级和空间级融合混合（CSFH）策略满足动态融合的需求，其中 CSFH 使用通道级动态融合模块（CDFM）和新颖的空间级动态融合模块（SDFM）来融合不同数量的模态的单模态特征，同时有效捕捉跨模态互补的语义和细节信息。此外，CSFH 根据它们的特点，将 CDFM 和 SDFM 与不同级别的单模态特征进行精确对齐，以更有效地利用互补信息。

May, 2024

本文提出了一种基于 F-measure 值的正反馈方法来改进现有方法的显著性预测准确性，通过将现有模型的预测图输入到正反馈方法中，可获得高准确性的预测结果，而无需进行精细的解码器设计或模型训练。该方法具有适应性，可根据现有模型进行实现，并且在五个公开数据集上的实验结果表明，该方法在显著性地图预测的五个评估指标中超过了最新的 12 种方法。

Apr, 2023

调查了 60 多个研究论文，涵盖了 2020 年至 2023 年开发的转换器在小目标检测任务上的性能，还提供了一个 12 个大规模数据集的列表以及使用常见指标（如 mAP，FPS，参数数量等）进行了性能比较。

Sep, 2023

本文提出了一种简单而有效的基于 Vision Transformer（ViT）的网络（SENet），通过采用一种基于不对称 ViT 的编码器 - 解码器结构的简单设计，在隐藏目标检测和显著目标检测两个任务上取得了有竞争力的结果，在精细设计的复杂网络上展现出更大的多样性。

Feb, 2024

在本篇论文中，我们提出了一种基于像素分类的新型特征学习框架，并将显著目标检测作为像素分类问题来解决，该方法采用了名为 HyperFusion-Net 的密集分层特征融合网络，结合 ICNN 和超密集融合机制，它能够自动预测最重要的区域并以端到端的方式分割相关物体，实验结果表明该方法在七个公共数据集上的表现均显著优于其他现有最先进的方法。

Apr, 2018

用统一的框架 UniSOD 来处理单模态和多模态显著目标检测任务，通过自适应提示学习生成模态感知提示，并将其插入到预训练基准模型中处理相应的任务，同时与训练整个模型相比，只需要较少的可学习参数，取得了对 RGB、RGB-D 和 RGB-T SOD 任务的一致性性能提升。

Nov, 2023

本研究提出了一种简单而有效的深度学习自引导损失函数来促进图像中显著目标检测，该新型损失函数通过模拟形态学闭合操作来引导模型越来越全面地检测显著对象，同时帮助揭示稀疏像素的空间依赖性。另外，通过新增特征聚合模块和分支注意机制，我们的方法利用适应性特征聚合和分支注意机制来增强显著对象的检测表现，实现了与现有标准框架完全不同的表现优势。

Jan, 2021

使用 ADAPT 框架对 Vision Transformers 进行参数高效提示调优，实现对下游任务的鲁棒性训练，从而在只调优了约 1% 的参数数量的情况下，实现与完全模型微调相当的鲁棒准确率（约 40%）.

Mar, 2024

本研究提出了一种名为 TRACER 的新方法，使用注重关注的追踪模块来检测显著对象，包含蒙版边缘关注模块和联合关注模块来提取单独的对象并提高编码器 - 解码器性能。利用自适应像素强度损失函数，TRACER 在五个基准数据集上实现了最先进的性能。

Dec, 2021

本研究提出了一个新的高分辨率显著物体检测 (High-Resolution SOD) 方法，该方法使用 HRS10K 数据集和递归多尺度 Transformer (RMFormer) 生成高分辨率显著图。对高分辨率和低分辨率基准测试的广泛实验证明该框架的有效性和优越性。

Aug, 2023