360$^\circ$全景图像中失真自适应的显著性目标检测
计算机视觉与模式识别
2019-09-12 v1
摘要
基于图像的显著性目标检测（SOD）在过去几十年中已被广泛研究。然而，由于缺少具有像素级标注的数据集，360全景图像上的SOD研究较少。为此，本文提出一个包含500张高分辨率等距柱状投影（equirectangular）图像的360图像SOD数据集。我们从五个主流360视频数据集中收集代表性等距柱状投影图像，并以自由视点方式用精确掩码手动标注这些图像上的所有物体与区域。据我们所知，这是首个公开的用于360场景显著性目标检测的数据集。通过观察该数据集，我们发现投影失真、大规模复杂场景以及小显著性目标是最显著的特征。受这些发现启发，本文提出一个等距柱状投影图像SOD的基线模型。在所提方法中，我们构建失真自适应模块以处理等距柱状投影引起的失真。此外，引入多尺度上下文整合块以感知并区分全景场景中的丰富场景与物体。整个网络以渐进方式组织在深度监督下。实验结果表明，所提基线方法在360 SOD数据集上优于性能最优的现有先进方法。此外，所提基线方法与其他方法在360 SOD数据集上的基准结果表示该数据集极具挑战性，这也验证了所提数据集与方法的实用性，以推动360全景场景SOD的发展。
引用
@article{arxiv.1909.04913,
title = {Distortion-adaptive Salient Object Detection in 360$^\circ$ Omnidirectional Images},
author = {Jia Li and Jinming Su and Changqun Xia and Yonghong Tian},
journal= {arXiv preprint arXiv:1909.04913},
year = {2019}
}