一种用于RGBD图像的迭代协同显著性框架
计算机视觉与模式识别
2017-11-07 v1
摘要
作为计算机视觉领域新兴且重要的课题，协同显著性检测旨在发现多张相关图像中的共同显著物体。现有方法常通过基于所设计线索或初始化的直接前向流水线生成协同显著性图，但缺乏精炼循环机制。此外，它们主要关注 RGB 图像，忽略了 RGBD 图像的深度信息。本文提出一种迭代 RGBD 协同显著性框架，其利用现有单显著图作为初始化，并通过精炼循环模型生成最终 RGBD 协同显著性图。所提 RGBD 协同显著性框架采用三种方案，包括添加方案、删除方案和迭代方案。添加方案基于图像内深度传播与显著性传播来突出显著区域，而删除方案基于图像间约束过滤显著区域并移除非共同显著区域。迭代方案用于获得更均匀一致的协同显著性图。此外，在添加方案中提出了一种称为深度形状先验的新描述子，以引入深度信息增强对协同显著物体的辨识。所提方法可有效利用任何现有 2D 显著性模型在 RGBD 协同显著性场景中良好工作。在两个 RGBD 协同显著性数据集上的实验证明了我们框架的有效性。
引用
@article{arxiv.1711.01371,
title = {An Iterative Co-Saliency Framework for RGBD Images},
author = {Runmin Cong and Jianjun Lei and Huazhu Fu and Weisi Lin and Qingming Huang and Xiaochun Cao and Chunping Hou},
journal= {arXiv preprint arXiv:1711.01371},
year = {2017}
}
备注
13 pages, 13 figures, Accepted by IEEE Transactions on Cybernetics 2017. Project URL: https://rmcong.github.io/proj_RGBD_cosal_tcyb.html