RGB-D 显著性目标检测：综述
计算机视觉与模式识别
2022-07-15 v4
摘要
显著性目标检测（SOD）模拟人类视觉感知系统以定位场景中最具吸引力的目标，已广泛应用于各种计算机视觉任务。如今，随着深度传感器的出现，富含空间信息、有助于提升 SOD 性能的深度图可以轻易获取。尽管过去几年提出了多种性能优异的基于 RGB-D 的 SOD 模型，但对该类模型及该课题所面临挑战的深入理解仍然不足。本文从多个视角对基于 RGB-D 的 SOD 模型进行了全面综述，并详细回顾了相关基准数据集。此外，考虑到光场同样可提供深度图，我们也综述了该领域的 SOD 模型与常用基准数据集。进而，为考察现有模型的 SOD 能力，我们开展了综合评估以及对若干代表性基于 RGB-D 的 SOD 模型的基于属性的评估。最后，我们讨论了基于 RGB-D 的 SOD 在未来研究中面临的若干挑战与开放方向。所有收集的模型、基准数据集、源代码链接、为基于属性评估构建的数据集以及评估代码将在 https://github.com/taozh2017/RGBDSODsurvey 公开提供。
引用
@article{arxiv.2008.00230,
title = {RGB-D Salient Object Detection: A Survey},
author = {Tao Zhou and Deng-Ping Fan and Ming-Ming Cheng and Jianbing Shen and Ling Shao},
journal= {arXiv preprint arXiv:2008.00230},
year = {2022}
}
备注
25 pages, 14 figures