CoADNet：用于协同显著目标检测的协作聚合-分发网络
计算机视觉与模式识别
2020-11-11 v1
摘要
协同显著目标检测（CoSOD）旨在发现给定查询组（含两张或更多相关图像）中重复出现的显著目标。一个具有挑战性的问题是如何通过建模和利用图像间关系来有效捕获协同显著性线索。本文提出一种端到端协作聚合-分发网络（CoADNet），以从多幅图像中捕获显著与重复视觉模式。首先，我们通过在线帧内显著性引导结构将显著性先验整合进骨干特征以抑制冗余背景信息。之后，我们设计两阶段聚合-分发架构来探索组级语义交互并生成协同显著性特征。第一阶段提出组注意力语义聚合模块，建模图像间关系以生成组级语义表示；第二阶段提出门控组分发模块，以动态门控机制将学到的组语义自适应分发给不同个体。最后，我们开发了专为 CoSOD 任务定制的组一致性保持解码器，在特征解码时维持组约束以预测更一致的全分辨率协同显著性图。所提 CoADNet 在四个主流 CoSOD 基准数据集上进行了评估，相较十种最先进方法展现出显著的性能提升。
引用
@article{arxiv.2011.04887,
title = {CoADNet: Collaborative Aggregation-and-Distribution Networks for Co-Salient Object Detection},
author = {Qijian Zhang and Runmin Cong and Junhui Hou and Chongyi Li and Yao Zhao},
journal= {arXiv preprint arXiv:2011.04887},
year = {2020}
}
备注
Accepted by NeurIPS 2020