CMA-Net：一种用于光场显著目标检测的级联互注意力网络
计算机视觉与模式识别
2021-12-08 v5
摘要
过去几年中，已有众多深度学习方法被提出以解决从 RGB 图像中分割显著目标的任务。然而，这些依赖单模态的方法在广泛使用的光场显著目标检测（SOD）数据集上未能达到最先进的性能，此类数据集收集大规模自然图像并提供多视角、微透镜图像与深度图等多种模态。最近提出的光场 SOD 方法虽取得了不断提升的检测精度，但仍预测出粗糙的目标结构且推理速度较慢。为此，我们提出 CMA-Net，其由两个新颖的级联互注意力模块组成，旨在融合来自全聚焦与深度模态的高层特征。我们提出的 CMA-Net 在两个广泛应用的光场基准数据集上优于 30 种 SOD 方法。此外，所提 CMA-Net 能够以 53 fps 的速度进行推理。大量定量与定性实验表明了我们的 CMA-Net 的有效性与高效性。
引用
@article{arxiv.2105.00949,
title = {CMA-Net: A Cascaded Mutual Attention Network for Light Field Salient Object Detection},
author = {Yi Zhang and Lu Zhang and Wassim Hamidouche and Olivier Deforges},
journal= {arXiv preprint arXiv:2105.00949},
year = {2021}
}
备注
6 pages, 4 figures, 2 tables