基于个人注视点的目标分割：结合目标定位与边界保持
计算机视觉与模式识别
2021-01-25 v1
摘要
作为一种自然的人机交互方式，注视点为交互式图像分割提供了一种有前景的解决方案。本文关注基于个人注视点的目标分割（PFOS），以解决先前研究中的问题，例如缺乏合适的数据集以及基于注视点交互的歧义性。具体而言，我们首先通过在现有注视点预测数据集上仔细收集像素级二值标注数据，构建了一个新的 PFOS 数据集，该数据集有望极大推动相关方向的研究。接着，考虑到个人注视点的特性，我们提出了一种基于目标定位与边界保持（OLBP）的新颖网络来分割被注视的目标。具体地，OLBP 网络利用目标定位模块（OLM）分析个人注视点，并基于该解释定位被注视的目标。然后，设计了一个边界保持模块（BPM）以引入额外的边界信息来保障被注视目标的完整性。此外，OLBP 以混合自底向上与自顶向下的方式组织，并带有多种类型的深度监督。在构建的 PFOS 数据集上的大量实验表明，所提出的 OLBP 网络优于 17 种最先进（SOTA）方法，并证明了所提出的 OLM 和 BPM 组件的有效性。所构建的 PFOS 数据集与提出的 OLBP 网络可在 https://github.com/MathLee/OLBPNet4PFOS 获取。
引用
@article{arxiv.2101.09014,
title = {Personal Fixations-Based Object Segmentation with Object Localization and Boundary Preservation},
author = {Gongyang Li and Zhi Liu and Ran Shi and Zheng Hu and Weijie Wei and Yong Wu and Mengke Huang and Haibin Ling},
journal= {arXiv preprint arXiv:2101.09014},
year = {2021}
}
备注
Accepted by IEEE TIP. Code: https://github.com/MathLee/OLBPNet4PFOS