具有深度敏感注意力与自动多模态融合的深度 RGB-D 显著性检测
计算机视觉与模式识别
2021-03-23 v1
摘要
RGB-D 显著性目标检测（SOD）通常被表述为对 RGB 与深度两种模态的分类或回归问题。因此，有效的 RGBD 特征建模与多模态特征融合在 RGB-D SOD 中均起着至关重要的作用。本文中，我们利用显著性目标的深度几何先验，提出一种深度敏感的 RGB 特征建模方案。原则上，该特征建模方案在深度敏感注意力模块中执行，通过捕获深度几何先验，实现 RGB 特征增强并降低背景干扰。此外，为进行有效多模态特征融合，我们进一步提出一种面向 RGB-D SOD 的自动架构搜索方法，该方法能从我们专门设计的多模态多尺度搜索空间中较好地找出可行架构。在七个标准基准上的大量实验证明了所提方法相对于当前最优方法的的有效性。
引用
@article{arxiv.2103.11832,
title = {Deep RGB-D Saliency Detection with Depth-Sensitive Attention and Automatic Multi-Modal Fusion},
author = {Peng Sun and Wenhu Zhang and Huanyu Wang and Songyuan Li and Xi Li},
journal= {arXiv preprint arXiv:2103.11832},
year = {2021}
}
备注
Accepted by CVPR2021, Oral