面向协同显著性检测的统一两阶段组语义传播与对比学习网络
计算机视觉与模式识别
2022-08-16 v1
摘要
协同显著性检测（CoSOD）旨在从多幅图像中发现重复的显著目标。两个主要挑战是组语义提取与噪声目标抑制。本文提出一种面向CoSOD的统一两阶段组语义传播与对比学习网络（TopicNet）。TopicNet可分解为两个子结构：用于应对第一个挑战的两阶段组语义传播模块（TGSP）和用于应对第二个挑战的对比学习模块（CLM）。具体而言，对于TGSP，我们设计了图像到组传播模块（IGP）以捕获组内相似特征的共识表示，以及组到像素传播模块（GPP）以建立共识表示的相关性。对于CLM，通过正样本的设计增强了语义一致性，通过负样本的设计抑制了噪声目标。在三个主流基准上的实验结果表明，TopicNet在各种评价指标上均优于其他对比方法。
引用
@article{arxiv.2208.06615,
title = {A Unified Two-Stage Group Semantics Propagation and Contrastive Learning Network for Co-Saliency Detection},
author = {Zhenshan Tan and Cheng Chen and Keyu Wen and Yuzhuo Qin and Xiaodong Gu},
journal= {arXiv preprint arXiv:2208.06615},
year = {2022}
}