一种基于注视点的 360°显著性目标检测基准数据集
计算机视觉与模式识别
2020-05-20 v2
摘要
随着虚拟现实(VR)应用的兴起,全景内容中的注视点预测(FP)已被广泛研究。然而,视觉显著性领域的另一问题——显著性目标检测(SOD),由于缺少具有像素级标注、能代表真实场景的数据集,在 360°(或全向)图像中很少被探索。为此,我们收集了 107 张具有挑战性场景和多类物体的等距柱状全景图。基于 FP 与显式显著性判断之间的一致性,我们在真实人眼注视图指导下进一步对采集图像中的 1,165 个显著性目标进行了带精确掩码的手动标注。随后,通过应用基于多立方体投影的微调方法,我们在所提出的基于注视点的 360°图像数据集(F-360iSOD)上对六种最先进的 SOD 模型进行了基准测试。实验结果表明当前方法用于全景图像 SOD 时的局限性,说明所提数据集具有挑战性。文中也讨论了 360° SOD 的关键问题。所提数据集可从 https://github.com/PanoAsh/F-360iSOD 获取。
引用
@article{arxiv.2001.07960,
title = {A Fixation-based 360{\deg} Benchmark Dataset for Salient Object Detection},
author = {Yi Zhang and Lu Zhang and Wassim Hamidouche and Olivier Deforges},
journal= {arXiv preprint arXiv:2001.07960},
year = {2020}
}
备注
5 pages, 5 figures, accepted by ICIP2020