用于 RGB-D 显著性目标检测的分层动态滤波网络
计算机视觉与模式识别
2020-07-17 v3
摘要
RGB-D 显著性目标检测（SOD）的主要问题在于如何更好地整合与利用跨模态融合信息。本文从一新视角探究这些问题。我们通过密集连接结构整合不同模态的特征，并利用其混合特征生成具有不同大小感受野的动态滤波器。最终，我们实现了一种更灵活高效的多尺度跨模态特征处理，即动态空洞金字塔模块。为使预测具有更锐利的边缘与一致的显著性区域，我们设计了一种混合增强损失函数以进一步优化结果。该损失函数亦被验证在单模态 RGB SOD 任务中有效。在六项指标上，所提方法在八个具挑战性的基准数据集上优于现有的十二种方法。大量实验验证了所提模块与损失函数的有效性。我们的代码、模型与结果见于 \url{https://github.com/lartpang/HDFNet}。
引用
@article{arxiv.2007.06227,
title = {Hierarchical Dynamic Filtering Network for RGB-D Salient Object Detection},
author = {Youwei Pang and Lihe Zhang and Xiaoqi Zhao and Huchuan Lu},
journal= {arXiv preprint arXiv:2007.06227},
year = {2020}
}
备注
Accepted by ECCV 2020