用于视频显著性目标检测的运动引导注意力

视频显著性目标检测旨在发现视频中视觉上最显著的对象。在视频显著性目标检测中如何有效考虑对象运动是关键问题。现有最优方法要么未显式建模并利用运动线索，要么忽略光流图像中的空间上下文。本文提出一种多任务运动引导视频显著性目标检测网络，其通过两个子网络学习完成两项子任务：一个子网络用于静态图像中的显著性目标检测，另一个用于光流图像中的运动显著性检测。我们进一步引入一系列新颖的运动引导注意力模块，利用运动显著性子网络来关注并增强静态图像子网络。这两个子网络通过端到端训练相互适应。实验结果表明，所提方法在广泛基准上显著优于现有最优算法。我们希望这一简单有效的方法能作为坚实基线，并助力未来视频显著性目标检测的研究。代码与模型将公开。