基于 CNN 的 RGB-D 显著目标检测：学习、选择与融合
计算机视觉与模式识别
2019-09-23 v1
摘要
本工作的目标是提出一个系统的 RGB-D 显著目标检测解决方案，该方案在一个统一框架内解决以下三个方面：模态特定表示学习、互补线索选择和跨模态互补融合。为了学习具有判别力的模态特定特征，我们提出了一种层次化跨模态蒸馏方案，其中学习良好的源模态提供监督信号，以促进新模态的学习过程。为了更好地提取互补线索，我们构建了一个残差函数，以自适应地融合来自配对模态的互补信息。此外，我们还构建了一个自上而下的融合结构，以实现充分的跨模态交互和跨层级传输。实验结果证明了所提出的跨模态蒸馏方案在零样本显著性检测和新模态预训练中的有效性，以及在选择和融合跨模态/跨层级互补信息方面的优势。
引用
@article{arxiv.1909.09309,
title = {CNN-based RGB-D Salient Object Detection: Learn, Select and Fuse},
author = {Hao Chen and Youfu Li},
journal= {arXiv preprint arXiv:1909.09309},
year = {2019}
}
备注
submitted to a journal in 12-October-2018