光场显著目标检测：综述与基准
计算机视觉与模式识别
2022-07-12 v4
摘要
显著目标检测（SOD）是计算机视觉中一个长期的研究课题，在过去十年中引起了越来越多的研究兴趣。本文提供了首个面向光场 SOD 的全面综述与基准，该领域长期缺乏此类工作。首先，我们介绍光场的预备知识，包括理论与数据形式，随后回顾已有的光场 SOD 研究，涵盖十个传统模型、七个基于深度学习的模型、一项对比研究以及一篇简要综述。现有光场 SOD 数据集也以详细信息和统计分析加以总结。其次，我们在四个广泛使用光场数据集上，对九个代表性光场 SOD 模型及若干前沿 RGB-D SOD 模型进行基准测试，从中得出包含光场 SOD 与 RGB-D SOD 模型对比在内的深入讨论与分析。此外，由于现有数据集形式不一致，我们进一步生成完整数据，并为不一致的数据集补充焦点栈、深度图与多视角图像，使其一致且统一。我们的补充数据使通用基准成为可能。最后，由于光场 SOD 因其多样的数据表示和对采集硬件的高依赖性而十分特殊，使其迥异于其他显著性检测任务，我们给出关于挑战与未来方向的九条提示，并概述若干开放问题。我们希望本综述与基准能推动该领域研究。所有材料，包括收集的模型、数据集、基准结果与补充光场数据集，将在我们的项目站点 https://github.com/kerenfu/LFSOD-Survey 公开。
引用
@article{arxiv.2010.04968,
title = {Light Field Salient Object Detection: A Review and Benchmark},
author = {Keren Fu and Yao Jiang and Ge-Peng Ji and Tao Zhou and Qijun Zhao and Deng-Ping Fan},
journal= {arXiv preprint arXiv:2010.04968},
year = {2022}
}