rgb-d salient object detection | BriefGPT

关键词rgb-d salient object detection

搜索结果 - 17

HODINet: RGB-D 显著物体检测高阶不一致交互网络
本文提出了一种高阶差异交互网络（HODINet）用于 RGB-D 显著目标检测，通过使用 Transformer 和 CNN 作为主干来编码 RGB 和深度特征，并将高阶表示嵌入到空间和通道关注力中以在不同阶段融合跨模式特征，实验证明该方法
PDFa year ago
ECCVSPSN: 基于超像素原型采样的 RGB-D 异常突出检测网络
通过使用 SPSN 架构中的原型采样网络和依赖选择模块，我们的方法在五个流行的数据集上达到了最先进的性能，实现了对 RGB-D 显着物体检测方面的显着改进。
PDF2 years ago
ICLR从深度提升显著性：深度无监督的 RGB-D 显著性检测
本研究提出了一种基于深度学习和无监督学习的 RGB-D 显著目标检测方法，利用基于深度学习的迭代自动伪标签生成和注意力训练策略，无需人工像素级注释即可在无监督场景下提高 RGB-D 显著目标检测的效率和效果，同时也适用于全监督情况下的场景。
PDF2 years ago
MM基于深度品质启发的特征操作，用于高效的 RGB-D 显著性对象检测
本文提出了一种基于深度图像质量的特征处理方法（DQFM）和一种高效的轻量级模型（DFM-Net），用于 RGB-D 显着目标检测，通过跨模态融合来增强深度质量，并在非常高效的情况下实现了最先进的精度和性能。
PDF3 years ago
AAAI自监督预训练用于 RGB-D 显着性目标检测
本文通过使用自监督表示学习方法，在只有少量无标签 RGB-D 数据集的情况下，利用两个预处理任务（跨模态自编码器和深度轮廓估计）对 CNNs-Based RGB-D 显着物体检测网络进行预训练，建立一个富有语义上下文的网络初始化，同时提出了
PDF3 years ago
基于三维卷积神经网络的 RGB-D 显著性目标检测
该研究提出了一种名为 RD3D 的深度学习模型，其采用前编码器阶段的预聚合和后解码器阶段的深层特征融合来促进 RGB 和深度流的充分融合，并在 RGB-D 显着目标检测模型方面表现优于 14 种先进模型。
PDF3 years ago
MobileSal: 极高效的 RGB-D 显著物体检测
本篇研究提出一种基于 Mobile 网络的 RGB-D 显著目标检测的方法，采用隐式深度恢复（IDR）技术和紧凑金字塔细化（CPR），并在 6 个 RGB-D SOD 数据集上表现出快速速度和更少的参数。
PDF4 years ago
CVPR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
PDF4 years ago
Siamese 网络在 RGB-D 显著性目标检测与更多应用方面的应用
通过 Siamese 架构的 RGB-D 联合学习和密集协同融合 (JL-DCF) 架构，本文提出了两个有效的组件：联合学习和密集的协同融合。综合实验表明，该方案在七个具有挑战性的数据集上将平均 F 值提高了～2.0%，并且在相关的多模态检
PDF4 years ago
ECCVRGB-D 显著性目标检测的渐进式引导交替细化网络
本文提出一种高效紧凑的深度神经网络来进行 RGB-D 显着目标检测，首先通过从头学习构建轻量级深度流提取有效特征，然后使用指导残差块交替地将 RGB 和深度特征输入，通过分层指导减少互相降解并提高效率，大量实验结果表明该模型在精度和效率方面
PDF4 years ago
深度质量感知显著目标检测
本文提出了一种新颖的基于深度质量感知的子网络的 RGB-D 合并方法，旨在评估 RGB-D 合并之前的深度质量，以实现在 RGB-D 合并中较好的互补状态。
PDF4 years ago
ECCV面向 RGB-D 显著性目标检测的分层动态滤波网络
本文提出了一种新的动态扩张金字塔模块和混合增强损失函数，在 RGB-D 显著目标检测方面表现优于现有方法。
PDF4 years ago
ECCV基于分叉骨架策略的 RGB-D 显著目标检测
本研究提出了一种用于 RGB-D 显著目标检测的新型级联精炼网络架构，采用分叉骨干策略（BBS）将多层特征分为教师和学生特征，使用增强深度模块（DEM）从通道和空间视图中挖掘信息深度线索，并以互补方式融合 RGB 和深度模态。实验证明，该方
PDF4 years ago
JL-DCF: RGB-D 显著性目标检测的联合学习和稠密协同融合框架
本文提出了一种新颖的联合学习和密集协作融合（JL-DCF）架构，用于 RGB-D 显着对象检测。通过 Siamese 网络，JL-DCF 从 RGB 和深度输入中学习，提供了稳健的显着特征学习和互补特征发现。在四个流行计量标准上全面实验表明
PDF4 years ago
基于 CNN 的 RGB-D 显著目标检测：学习、选择和融合
该论文旨在提出一个系统性的解决方案来解决 RGB-D 突出物检测问题，该方案通过模态特定表示学习、互补线索选择和跨模态补充融合等三个方面进行统一的处理，并构建了一种自适应的残差函数来融合跨模态信息以实现足够的跨模态交互和跨层传输支持。
PDF5 years ago
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
PDF5 years ago
利用背景圈定、深度对比和自顶向下特征学习 RGB-D 显著对象检测
提出了一种利用高层次、中层次和低层次特征的深度卷积神经网络结构以及适用于学习方法的新颖深度特征，并在 RGB-D 显著目标检测方面表现出比现有方法更好的效果，特别是在 RGBD1000 数据集上，其 F-Score 达到了 0.848，比第
PDF7 years ago