由用户需求决定：超越常规视觉刺激的显著对象检测论证
计算机视觉与模式识别
2026-04-07 v1 人工智能
摘要
现有的显著对象检测(SOD)方法采用被动的视觉刺激为依据——具有最强视觉刺激的对象被视为用户的主要关注点(即显著对象)。它们忽略了用户主动需求在分割显著对象中的决定性作用——如果用户在看到图像之前就有一个需求，用户的显著对象就会与其需求对齐，例如如果用户的需求是“白色苹果”，当该用户看到图像时，其主要关注点就是“白色苹果”或“最像白色苹果的”对象。这种疏忽不仅“无法满足用户”，还“限制了下游任务的发展”。例如，在显著对象排序任务中，仅关注基于视觉刺激的显著对象不足以对用户观看顺序(通常由用户需求决定)与场景之间的细粒度关系进行分析，这可能导致错误的排序结果。显然，必须基于用户需求来检测显著对象。因此，我们提倡一种用户显著对象检测(UserSOD)任务，该任务关注在用户有需求时检测与用户主动需求对齐的显著对象。这个新任务的主要挑战是缺乏用于模型训练和测试的数据集。
引用
@article{arxiv.2604.03526,
title = {Determined by User Needs: A Salient Object Detection Rationale Beyond Conventional Visual Stimuli},
author = {Chenglizhao Chen and Shujian Zhang and Luming Li and Wenfeng Song and Shuai Li},
journal= {arXiv preprint arXiv:2604.03526},
year = {2026}
}