用于 RGB-D 显著性目标检测的渐进多尺度融合网络
计算机视觉与模式识别
2021-06-09 v1
摘要
显著性目标检测（SOD）旨在定位给定图像中最显著的对象。近年来，SOD 在许多视觉任务中的应用取得了巨大进展。深度图可提供额外的空间先验与边界线索以提升性能。将深度信息与标准视觉相机获取的图像数据相结合已在近期 SOD 工作中被广泛使用，然而，以次优融合策略引入深度信息可能对 SOD 性能产生负面影响。本文讨论了所谓渐进多尺度融合方法的优势，并提出了掩码引导特征聚合模块（MGFA）。所提框架能有效结合两种不同模态的特征，并进一步减轻由深度质量变化不可避免导致的错误深度特征的影响。我们进一步引入掩码引导精炼模块（MGRM）以补充高层语义特征并减少来自多尺度融合的无关特征，从而实现检测的整体精炼。在五个具挑战性基准上的实验表明，所提方法在不同评价指标下优于 11 种最先进（SOTA）方法。
引用
@article{arxiv.2106.03941,
title = {Progressive Multi-scale Fusion Network for RGB-D Salient Object Detection},
author = {Guangyu Ren and Yanchu Xie and Tianhong Dai and Tania Stathaki},
journal= {arXiv preprint arXiv:2106.03941},
year = {2021}
}