基于区域引导的选择性优化网络用于 RGB-T 显著性目标检测
计算机视觉与模式识别
2026-03-16 v1
摘要
本文关注 RGB 图像与热成像图像中显著区域的不一致性问题。为此，我们提出了区域引导的选择性优化网络（RSONet）用于 RGB-T 显著性目标检测，包括区域引导阶段和显著性生成阶段。在区域引导阶段，设计了三个具有相同编码器-解码器结构的平行分支，配备上下文互交互（CI）模块和空间感知融合（SF）模块，用于生成引导图并计算相似度得分。随后，在显著性生成阶段，采用选择性优化（SO）模块基于先前获取的相似度值融合 RGB 和热成像特征，以减轻两种模态显著目标分布不一致的影响。之后，为生成高质量检测结果，应用多密度连接和视觉状态空间块（visual state space blocks）的稠密细节增强（DDE）模块处理低层特征，以优化细节信息。此外，在高层特征中放置相互交互语义（MIS）模块，通过相互融合策略挖掘位置线索。我们在 RGB-T 数据集上进行了大量实验，结果表明，所提出的 RSONet 在27种最先进的SOD方法中取得了具竞争力的性能。
引用
@article{arxiv.2603.12685,
title = {RSONet: Region-guided Selective Optimization Network for RGB-T Salient Object Detection},
author = {Bin Wan and Runmin Cong and Xiaofei Zhou and Hao Fang and Chengtao Lv and Sam Kwong},
journal= {arXiv preprint arXiv:2603.12685},
year = {2026}
}