深度质量感知的显著性目标检测
计算机视觉与模式识别
2021-02-24 v1 机器学习
摘要
现有基于融合的RGB-D显著性目标检测方法通常采用双流结构来权衡RGB与深度（D）之间的融合。D质量常随场景而异，而SOTA双流方法对深度质量无感知，这轻易导致在RGB与D之间难以达成互补融合状态，面对低质量D时融合结果不佳。因此，本文尝试将一种新颖的深度质量感知子网络集成到经典双流结构中，旨在进行选择性RGB-D融合前评估深度质量。与SOTA双流方法相比，我们方法的主要亮点在于能够在RGB-D融合过程中降低那些低质量、无贡献甚至负贡献的D区域的重要性，从而实现RGB与D之间大为改善的互补状态。
关键词
引用
@article{arxiv.2008.04159,
title = {Depth Quality Aware Salient Object Detection},
author = {Chenglizhao Chen and Jipeng Wei and Chong Peng and Hong Qin},
journal= {arXiv preprint arXiv:2008.04159},
year = {2021}
}