统一的RGB-T显著性检测基准：数据集、基线、分析与新方法
计算机视觉与模式识别
2017-01-12 v1
摘要
尽管取得了显著进展，图像显著性检测在复杂场景和环境中仍是一项具有挑战性的任务。融合多种不同但互补的线索，如RGB与热红外(RGB-T)，可能是提升显著性检测性能的有效途径。然而，该方向当前的研究受限于缺乏一个全面的基准。本工作提供了这样一个RGB-T图像数据集，包含821对空间对齐的RGB-T图像对及其用于显著性检测的真值标注。这些图像对具有高度多样性，记录于不同场景和环境条件下，并且我们标注了11种挑战，以便对不同显著性检测算法进行挑战敏感分析。我们还实现了3种采用不同模态输入的基线方法，以提供全面的比较平台。借助该基准，我们提出了一种用于RGB-T显著性检测的新方法，即具有跨模态一致性的多任务流形排序。具体而言，我们为每种模态引入一个权重以描述其可靠性，并将其集成到基于图的流形排序算法中，以实现不同源数据的自适应融合。此外，我们引入跨模态一致性约束，以协同整合不同模态。在优化方面，我们设计了一种高效算法，通过迭代求解多个具有闭式解的子问题。在新创建的基准上与其他基线方法进行的广泛实验证明了所提方法的有效性，并且我们还提供了针对RGB-T显著性检测的基本见解和潜在未来研究方向。
引用
@article{arxiv.1701.02829,
title = {A Unified RGB-T Saliency Detection Benchmark: Dataset, Baselines, Analysis and A Novel Approach},
author = {Chenglong Li and Guizhao Wang and Yunpeng Ma and Aihua Zheng and Bin Luo and Jin Tang},
journal= {arXiv preprint arXiv:1701.02829},
year = {2017}
}