DualGazeNet：一种类生物学双注视查询网络用于显著物体检测
计算机视觉与模式识别
2025-11-25 v1
摘要
近期的显著物体检测（SOD）方法从四个关键方向不断改进：语义增强、边界细化、辅助任务监督和多模态融合。为实现持续的性能提升，这些方法向着日益复杂的架构发展：多阶段管道、专用融合模块、边缘引导学习和精细化注意力机制。然而，这种复杂性反向制约了特征冗余和跨组件干扰，掩盖了显著线索，最终导致性能瓶颈。相比之下，人类视觉无需如此架构复杂度即可实现高效的显著物体识别。这种差异引出一个根本问题：我们能否设计一种既类生物学又架构简单的 SOD 框架，既不依赖复杂的工程实现，又能实现最先进的准确性、计算效率和可解释性？本文通过引入 DualGazeNet，一种类生物学的纯 Transformer 框架，回答了这个问题肯定的答案。DualGazeNet 模型了人类视觉系统中稳健表征学习和虫状细胞-杆状细胞双通路处理的双生物学原理，以及皮层注意力调制。广泛的实验表明，DualGazeNet 在五个 RGB SOD 数据集上 consistently 超过 25 种基于 CNN 和 Transformer 的最新方法。平均而言，DualGazeNet 的推理速度约为四个类似规模 Transformer 基线（VST++、MDSAM、Sam2unet 和 BiRefNet）的 60% 高，FLOPs 减少 53.4%。此外，DualGazeNet 在跨域泛化方面表现强劲，在无需额外模态的情况下，在伪装和水下 SOD 数据集上实现领先或高度竞争的性能。
关键词
引用
@article{arxiv.2511.18865,
title = {DualGazeNet: A Biologically Inspired Dual-Gaze Query Network for Salient Object Detection},
author = {Yu Zhang and Haoan Ping and Yuchen Li and Zhenshan Bing and Fuchun Sun and Alois Knoll},
journal= {arXiv preprint arXiv:2511.18865},
year = {2025}
}