学习协同注意力用于光场显著目标检测
计算机视觉与模式识别
2021-10-26 v4
摘要
我们提出一种新颖的协同注意力网络（SA-Net），通过利用先进注意力机制在多模态特征间建立协同效应，解决光场显著目标检测问题。我们的 SA-Net 通过 3D 卷积神经网络挖掘聚焦栈的丰富信息，用两个级联的协同注意力模块解码多模态光场数据的高层特征，并以渐进方式使用有效的特征融合模块预测显著图。在三个广泛使用的基准数据集上的大量实验表明，我们的 SA-Net 优于 28 个最先进模型，充分证明了其有效性与优越性。我们的代码见于 https://github.com/PanoAsh/SA-Net。
引用
@article{arxiv.2104.13916,
title = {Learning Synergistic Attention for Light Field Salient Object Detection},
author = {Yi Zhang and Geng Chen and Qian Chen and Yujia Sun and Yong Xia and Olivier Deforges and Wassim Hamidouche and Lu Zhang},
journal= {arXiv preprint arXiv:2104.13916},
year = {2021}
}
备注
20 pages, 12 figures; Project Page https://github.com/PanoAsh/SA-Net ; Accepted to BMVC-21