用于 RGB-D 显著性目标检测的动态消息传播网络
计算机视觉与模式识别
2022-06-22 v1
摘要
本文提出了一种用于 RGB-D 显著性目标检测的新型深度神经网络框架，通过在特征级别控制 RGB 图像与深度图之间的消息传递，并探索 RGB 和深度特征上的长程语义上下文与几何信息来推断显著性目标。为此，我们构建了一个结合图神经网络和可变形卷积的动态消息传播（DMP）模块，以动态学习上下文信息，并自动预测用于消息传播控制的滤波器权重和亲和矩阵。我们进一步将该模块嵌入到基于 Siamese 的网络中，分别处理 RGB 图像和深度图，并设计了一个多级特征融合（MFF）模块来探索精炼后的 RGB 和深度特征之间的跨级信息。在六个用于 RGB-D 显著性目标检测的基准数据集上与 17 种最先进的方法相比，实验结果表明我们的方法在定量和定性上均优于所有其他方法。
引用
@article{arxiv.2206.09552,
title = {Dynamic Message Propagation Network for RGB-D Salient Object Detection},
author = {Baian Chen and Zhilei Chen and Xiaowei Hu and Jun Xu and Haoran Xie and Mingqiang Wei and Jing Qin},
journal= {arXiv preprint arXiv:2206.09552},
year = {2022}
}
备注
12 pages, 8 figures