PISA：通过聚合互补外观对比度量与保边相干性实现像素级图像显著性

受近期视觉与图形应用（如图像分割与物体识别）驱动，计算像素精确的显著性值以均匀高亮前景物体变得愈发重要。本文提出一个称为PISA的统一框架，即像素级图像显著性聚合多种自底向上线索与先验（Pixelwise Image Saliency Aggregating various bottom-up cues and priors）。它生成空间相干且保细节、像素精确且细粒度的显著性，克服了以往方法使用同质超像素基础和仅颜色处理的局限。PISA在全局上下文中聚合多种显著性线索，例如互补颜色与结构对比度量及其在图像域中的空间先验。显著性置信度进一步与邻域一致性约束联合建模为一个能量最小化公式，其中每个像素将以多个假设显著性层级进行评估。我们未采用全局离散优化方法，而是使用代价体滤波（cost-volume filtering）技术求解该公式，在平滑分配显著性层级的同时保留边缘感知的结构细节。此外，利用梯度驱动的图像子采样策略开发了PISA的更快版本，在保持可比检测精度的同时大幅提高运行效率。在多个公开数据集上的大量实验表明，PISA令人信服地优于其他最先进方法。此外，通过本工作我们还创建了一个包含$800$张商品图像的新数据集用于评估显著性检测。PISA的数据集与源代码可在 http://vision.sysu.edu.cn/project/PISA/ 下载。