深度信息对于显著性目标检测是否确有必要？
计算机视觉与模式识别
2020-06-03 v2
摘要
显著性目标检测（SOD）是许多计算机视觉应用的一项关键且前置的任务，其已随深度 CNN 取得进展。现有多数方法主要依赖 RGB 信息来区分显著性目标，在一些复杂场景中面临困难。为解决此问题，近期许多基于 RGBD 的网络被提出，将深度图作为独立输入并与 RGB 信息融合特征。利用 RGB 与 RGBD 方法的优势，我们提出一种新颖的深度感知显著性目标检测框架，具有以下优越设计：1) 其仅在训练阶段使用深度信息，而在测试阶段仅依赖 RGB 信息。2) 其以多级深度感知正则化全面优化 SOD 特征。3) 深度信息还作为误差加权图以纠正分割过程。结合这些洞见式设计，我们首次尝试实现仅以 RGB 信息作为推断输入的统一的深度感知框架，其不仅在五个公开 RGB SOD 基准上超越 SOTA 性能，且在五个基准上大幅超越基于 RGBD 的方法，同时采用更少信息且实现轻量化。代码与模型将公开可用。
引用
@article{arxiv.2006.00269,
title = {Is Depth Really Necessary for Salient Object Detection?},
author = {Jiawei Zhao and Yifan Zhao and Jia Li and Xiaowu Chen},
journal= {arXiv preprint arXiv:2006.00269},
year = {2020}
}