LF Tracy：一种用于光场相机显著目标检测的统一单流水线方法
计算机视觉与模式识别
2024-08-27 v2 机器人学
图像与视频处理
摘要
利用丰富信息对于密集预测任务至关重要。光场（LF）相机在这方面很有帮助，因为它们允许从多个视角采样数据。这种能力提供了宝贵的空间、深度和角度信息，增强了场景解析任务。然而，我们发现了光场显著目标检测（SOD）任务中两个被忽视的问题。（1）：先前的方法主要采用定制的双流设计来发现光场图像中的空间和深度特征。由于缺乏网络内数据连接，网络难以学习不同图像之间的隐式角度信息。（2）：针对LF SOD的数据增强策略研究很少。关于网络间数据连接的研究也很缺乏。在本研究中，我们提出了一个高效的范式（LF Tracy）来解决这些问题。它包括一个单流水线编码器，并配有一个高效的信息聚合（IA）模块（约8M参数）来建立网络内连接。然后，设计了一种简单而有效的数据增强策略，称为MixLD，以桥接网络间连接。由于这种创新范式，我们的模型通过大量实验超越了现有的最先进方法。特别是，LF Tracy在最新的大规模PKU数据集上比先前的结果提高了23%。源代码公开于：https://github.com/FeiBryantkit/LF-Tracy。
引用
@article{arxiv.2401.16712,
title = {LF Tracy: A Unified Single-Pipeline Approach for Salient Object Detection in Light Field Cameras},
author = {Fei Teng and Jiaming Zhang and Jiawei Liu and Kunyu Peng and Xina Cheng and Zhiyong Li and Kailun Yang},
journal= {arXiv preprint arXiv:2401.16712},
year = {2024}
}
备注
Accepted to ICPR 2024. The source code is publicly available at: https://github.com/FeiBryantkit/LF-Tracy