利用以自我为中心的对象先验进行3D显著性检测
计算机视觉与模式识别
2015-11-10 v1
摘要
人们在每一分钟都与众多物体进行流畅的交互，而这些交互几乎不会在意识层面留下印象。最近的神经科学研究表明，人类对显著物体具有固定大小的先验。这意味着3D中的显著物体经历一致的变换，使得人们的视觉系统以近似固定的大小感知它。这一发现表明，存在一致的以自我为中心的对象先验，其可由第一人称视角下的形状、大小、深度和位置来表征。在本文中，我们开发了EgoObject Representation，它通过融合来自以自我为中心的RGBD图像的形状、位置、大小和深度特征来编码这些特性。我们通过在一个以自我为中心的RGBD数据集上针对三项任务进行测试，实证表明该表示能准确刻画以自我为中心的对象先验：3D显著性检测、未来显著性预测和交互分类。该表示在我们新的Egocentric RGBD Saliency数据集上进行了评估，该数据集包含烹饪、用餐和购物等多种活动。通过使用我们的EgoObject表示，我们在该数据集上超越了先前提出的显著性检测模型（在3D显著性检测任务上相对提升30%）。此外，我们证明该表示使我们能够基于注视线索预测未来的显著物体，并对人与物体的交互进行分类。
引用
@article{arxiv.1511.02682,
title = {Exploiting Egocentric Object Prior for 3D Saliency Detection},
author = {Gedas Bertasius and Hyun Soo Park and Jianbo Shi},
journal= {arXiv preprint arXiv:1511.02682},
year = {2015}
}