结合区域生长与注视预测模型的全景图像自动显著目标检测
计算机视觉与模式识别
2018-04-11 v6
摘要
以往几乎所有关于显著性检测的工作都针对传统图像，然而，随着 VR 或 AR 技术的快速发展带来全景图像的爆发，从全景图像中提取显著内容变得更具挑战性，同时也更有价值。本文提出了一种针对全景图像的新型自底向上显著目标检测框架。首先，借助区域生长算法，采用空间密度估计方法粗略提取目标候选区域。同时，利用眼注视模型从人类视觉搜索机制的角度预测图像中具有视觉吸引力的部分。然后，通过极大值归一化将先前结果结合起来，得到粗略显著性图。最后，利用基于测地距离的细化步骤进行后处理，以导出最终显著性图。为了公平评估所提方法的性能，本文提出了一个高质量的全景图像数据集（SalPan）。大量评估表明了所提方法在全景图像上的有效性及其相对于其他方法的优越性。
引用
@article{arxiv.1710.04071,
title = {Automatic Salient Object Detection for Panoramic Images Using Region Growing and Fixation Prediction Model},
author = {Chunbiao Zhu and Kan Huang and Ge Li},
journal= {arXiv preprint arXiv:1710.04071},
year = {2018}
}
备注
Previous Project website: https://github.com/ChunbiaoZhu/DCC-2018