用于光场显著性目标检测的引导焦栈细化网络
计算机视觉与模式识别
2023-05-10 v1
摘要
光场显著性目标检测(SOD)因光场数据的丰富性而成为新兴研究方向。然而,大多数现有方法缺乏对焦栈的有效处理,从而使焦栈包含大量干扰信息并降低SOD性能。为应对此局限,我们提出利用多模态特征以引导方式细化焦栈,由此得到一种称为GFRNet的新型引导焦栈细化网络。为此,我们提出引导细化与融合模块(GRFM)以细化焦栈并聚合多模态特征。在GRFM中,全聚焦(AiF)与深度模态分别用于细化焦栈,形成两个针对不同模态的新子模块,即基于AiF的细化模块(ARM)与基于深度的细化模块(DRM)。此类细化模块增强了焦栈中显著性目标的结构与位置信息,并能够提升SOD精度。在四个基准数据集上的实验结果表明,我们的GFRNet模型优于12个SOTA模型。
引用
@article{arxiv.2305.05260,
title = {Guided Focal Stack Refinement Network for Light Field Salient Object Detection},
author = {Bo Yuan and Yao Jiang and Keren Fu and Qijun Zhao},
journal= {arXiv preprint arXiv:2305.05260},
year = {2023}
}
备注
Accepted by ICME 2023