BIAS：面向视频视觉显著性检测的仿生算法
计算机视觉与模式识别
2026-04-13 v1
摘要
我们提出了 BIAS，一个快速、仿生的动态视觉显著性检测模型，用于连续视频流。基于 Itti--Koch 框架，BIAS 引入了受视网膜启发的运动检测器，以提取时间特征，生成集成静态信息和运动信息的显著性图。通过采用平衡 winner-take-all 竞争与信息最大化的贪心多高斯峰拟合算法识别注意力焦点 (FOA)。BIAS 能以毫秒级延迟检测显著区域，在 DHF1K 数据集上 outperform 基于启发式的方法和多个深度学习模型，尤其在以底向注意力为主的视频中表现突出。应用于交通事故分析，BIAS 在实际应用中展现出强大的实用性，在 cause-effect 识别和在人工标注前 0.72 秒预判事故方面达到最佳性能，准确率可靠。总体而言，BIAS 在生物学可行性和计算效率之间实现了桥接，以实现可解释的高速动态显著性检测。
引用
@article{arxiv.2604.08858,
title = {BIAS: A Biologically Inspired Algorithm for Video Saliency Detection},
author = {Zhao-ji Zhang and Ya-tang Li},
journal= {arXiv preprint arXiv:2604.08858},
year = {2026}
}