梯度诱导的协同显著性检测
计算机视觉与模式识别
2020-12-15 v3
摘要
协同显著性检测（Co-SOD）旨在从一组相关图像中分割出共同的显著前景。本文受人类行为启发，提出一种梯度诱导的协同显著性检测（GICD）方法。我们首先在嵌入空间为组图像抽象出一致性表示；然后，通过将单幅图像与一致性表示进行比较，利用反馈梯度信息诱导对判别性协同显著特征的更多关注。此外，由于缺少Co-SOD训练数据，我们设计了一种拼图训练策略，使Co-SOD网络可在通用显著性数据集上训练而无需额外像素级标注。为评估Co-SOD方法在多前景中发现协同显著目标的能力，我们构建了具有挑战性的CoCA数据集，其中每幅图像除协同显著目标外至少包含一个无关前景。实验表明，我们的GICD取得了最先进的性能。代码与数据集见 https://mmcheng.net/gicd/。
引用
@article{arxiv.2004.13364,
title = {Gradient-Induced Co-Saliency Detection},
author = {Zhao Zhang and Wenda Jin and Jun Xu and Ming-Ming Cheng},
journal= {arXiv preprint arXiv:2004.13364},
year = {2020}
}
备注
Accepted by ECCV 2020