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

MMJun, 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

Alignment-Free RGBT Salient Object Detection: Semantics-guided Asymmetric Correlation Network and A Unified Benchmark

Kunpeng Wang, Danying Lin, Chenglong Li, Zhengzheng Tu, Bin Luo

TL;DR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。

Abstract

RGB and Thermal (RGBT) Salient Object Detection (SOD) aims to achieve high-quality saliency prediction by exploiting the complementary information of visible and thermal image pairs, which are initially captured in an unaligned manner. However, existing methods are tailored for manually aligned image pairs, which are labor-intensive, and directly applying th

rgbt salient object detection semantics-guided asymmetric correlation network unaligned image pairs benchmark dataset alignment-free rgbt sod

发现论文，激发创造

RGB 热图显著目标检测的多交互双解码器

本文提出了一种多交互双解码器方法，挖掘和建模多类型相互作用的 RGB-thermal 显著物体检测，它能处理多种场景并具有鲁棒性。在公共 RGBT 和 RGBD SOD 数据集上进行的广泛实验表明，该方法的性能优于最先进的算法。

May, 2020

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

可见热微小目标检测：基准数据集和基线模型

本文构建了第一个大规模的多类别可见 - 热红外小目标检测（RGBT SOD）基准数据集（RGBT-Tiny），包括 115 对序列，93K 帧和 1.2M 标注，同时提出了一种适应尺度的健康度量标准（SAFit），并进行了广泛的评估。

Jun, 2024

基于交互式上下文感知网络的 RGB-T 显著物体检测

本文提出一种名为互动上下文感知网络（ICANet）的新型网络，它通过混合两种模态的特征来实现跨模态信息以及通过 Multi-Scale Attention Reinforcement（MSAR）和 Upper Fusion（UF）模块来进行跨尺度融合，从而提高了关键目标的检测准确性。

Nov, 2022

RGB-T 显著目标检测中温度因素是否始终重要？

本文提出了一个名为 TNet 的网络，通过引入全局光照估计模块，设置不同的跨模态交互机制以及两阶段本地化和补全模块，来解决 RGB-T 显著性目标检测任务。在三个数据集上进行的广泛实验证明，与 20 种最先进的方法相比，所提出的 TNet 具有竞争性的性能。

Oct, 2022

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

基于协作图学习的 RGB-T 图像显著性检测

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。

May, 2019

纹理 - 语义协作网络用于 ORSI 显著目标检测

基于纹理 - 语义协作网络（TSCNet），我们在光学遥感图像中探索纹理线索和语义线索的协作，提出了一种简洁而有效的显著目标检测方法（ORSI-SOD）来应对多个目标、小目标、低照明和不规则形状等挑战，并通过 TSCNet 在三个数据集上的大量实验验证了其竞争性能。

Dec, 2023

一体化：RGB、RGB-D 和 RGB-T 显著目标检测

提供了一个统一解决 RGB、RGB-D 和 RGB-T 三种数据类型的显著目标检测任务的创新模型框架，并基于此框架提出了一个高速高性能的轻量级 SOD 模型 AiOSOD。

Nov, 2023

RGB-D 视频中的显著目标检测

通过构建 RDVS 数据集和引入 DCTNet+，本文在 RGB-D 视频中进行了显著目标检测，通过使用多模态注意力模块实现了多模态特征的增强与融合，实验结果表明 DCTNet + 在 17 个 VSOD 模型和 14 个 RGB-D SOD 模型中表现优越。

Oct, 2023