用于RGB-D显著性目标检测的双边注意力网络
计算机视觉与模式识别
2021-02-24 v1
摘要
大多数现有的RGB-D显著性目标检测(SOD)方法在利用深度图像时聚焦于前景区域。然而，在传统SOD方法中，背景也提供了重要信息以获得良好性能。为了更好地探索前景和背景区域中的显著性信息，本文提出了一种用于RGB-D SOD任务的双边注意力网络(BiANet)。具体而言，我们引入了具有互补注意力机制的双边注意力模块(BAM)：前景优先(FF)注意力和背景优先(BF)注意力。FF注意力以逐步细化方式聚焦于前景区域，而BF注意力则恢复背景区域中潜在有用的显著性信息。得益于所提出的BAM模块，我们的BiANet能够捕获更有意义的前景和背景线索，并将更多注意力转移到细化前景与背景区域之间的不确定细节上。此外，我们通过利用多尺度技术扩展了我们的BAM，以获得更好的SOD性能。在六个基准数据集上的大量实验表明，我们的BiANet在客观指标和主观视觉比较方面均优于其他最先进的RGB-D SOD方法。我们的BiANet在NVIDIA GeForce RTX 2080Ti GPU上处理 RGB-D图像时可达80fps。全面的消融研究也验证了我们的贡献。
引用
@article{arxiv.2004.14582,
title = {Bilateral Attention Network for RGB-D Salient Object Detection},
author = {Zhao Zhang and Zheng Lin and Jun Xu and Wenda Jin and Shao-Ping Lu and Deng-Ping Fan},
journal= {arXiv preprint arXiv:2004.14582},
year = {2021}
}