HSCS：基于分层稀疏的 RGBD 图像协同显著性检测
计算机视觉与模式识别
2018-11-19 v1
摘要
协同显著性检测旨在发现包含两个以上相关图像的图像组中的共同显著物体。此外，深度信息已被证明对许多计算机视觉任务有效。在本文中，我们提出了一种基于分层稀疏重建和能量函数优化的新颖 RGBD 图像协同显著性检测方法。在内部显著性图的辅助下，图像间对应关系被表述为分层稀疏重建框架。带有排序方案的全局稀疏重建模型侧重于通过公共前景字典捕获整个图像组的全局特征。成对稀疏重建模型旨在通过一组成对字典探索成对图像之间的对应关系。为了提高图像内平滑性和图像间一致性，提出了一种能量函数优化模型，其包含一元数据项、空间平滑项和整体一致性项。在两个 RGBD 协同显著性检测基准上的实验表明，所提方法在定性和定量上均优于最先进的算法。
引用
@article{arxiv.1811.06679,
title = {HSCS: Hierarchical Sparsity Based Co-saliency Detection for RGBD Images},
author = {Runmin Cong and Jianjun Lei and Huazhu Fu and Qingming Huang and Xiaochun Cao and Nam Ling},
journal= {arXiv preprint arXiv:1811.06679},
year = {2018}
}
备注
11 pages, 5 figures, Accepted by IEEE Transactions on Multimedia, https://rmcong.github.io/