面向水下显著目标检测的动态结构专化学习
计算机视觉与模式识别
2026-05-18 v1
摘要
水下显著目标检测 (USOD) 因水下视觉场景理解和视觉引导式机器人应用而受到日益关注。然而，现有 USOD 方法仍难以应对水下图像退化问题，常导致目标定位不准、显著区域碎片化以及边界预测粗糙。为此，本文提出一种基于动态结构专化的新型 USOD 方法——DSS-USOD。DSS-USOD 从单张水下图像中提取共享基准表示，分解为边界敏感特征和区域一致性结构特征，根据局部结构上下文动态协调两者贡献。具体而言，提取的共享基准表示被分解为用于建模细粒度边界细节的边界敏感分支，以及用于捕获区域级结构一致性的区域一致性分支。随后引入空间协调模块，以适应局部结构上下文动态调节两个分支的相对贡献。此外，引入协同结构监督以促进分支专化并稳定空间协调，使 DSS-USOD 能在水下退化条件下更好地平衡边界精度与区域一致性。大量实验表明，DSS-USOD 在基准数据集上取得优异性能。最后，在水下机器人上进行实际部署验证了 DSS-USOD 在水下目标检测中的实际有效性。
引用
@article{arxiv.2605.15535,
title = {Learning Dynamic Structural Specialization for Underwater Salient Object Detection},
author = {Lin Hong and Chenhui Wang and Linan Deng and Yuning Cui and Yu Zhang and Xin Wang and Bojian Zhang and Wenqi Ren and Xingchen Yang and Fumin Zhang},
journal= {arXiv preprint arXiv:2605.15535},
year = {2026}
}
备注
15 pages