面向协同显著目标检测的记忆辅助对比共识学习
计算机视觉与模式识别
2023-03-14 v2
摘要
协同显著目标检测（CoSOD）旨在一组相关源图像中检测共同的显著目标。大多数最新工作采用注意力机制寻找共同目标。为以高质量图和高效性取得准确的 CoSOD 结果，我们提出一种新颖的记忆辅助对比共识学习（MCCL）框架，能够实时（约 150 fps）有效检测协同显著目标。为学习更好的组共识，我们提出组共识聚合模块（GCAM）以抽象各图像组的共同特征；同时，为使共识表示更具判别力，我们引入基于记忆的对比模块（MCM），其在记忆队列中保存并更新来自不同组图像的共识。最后，为提升预测图的质量与完整性，我们提出对抗完整性学习（AIL）策略，使分割区域更可能由完整目标组成且周围噪声更少。在所有最新 CoSOD 基准上的大量实验表明，我们的轻量 MCCL 优于 13 个前沿模型，达到了新的 SOTA（在 CoSOD3k 和 CoSal2015 上 S-measure 分别提升约 5.9% 和约 6.2%）。我们的源代码、显著性图及在线演示已公开于 https://github.com/ZhengPeng7/MCCL。
引用
@article{arxiv.2302.14485,
title = {Memory-aided Contrastive Consensus Learning for Co-salient Object Detection},
author = {Peng Zheng and Jie Qin and Shuo Wang and Tian-Zhu Xiang and Huan Xiong},
journal= {arXiv preprint arXiv:2302.14485},
year = {2023}
}
备注
AAAI 2023