深度学习时代的显著性预测：成功、局限与未来挑战
计算机视觉与模式识别
2019-05-28 v3
摘要
近年来，得益于深度学习的进展和大规模标注数据，视觉显著性模型在性能上实现了巨大飞跃。然而，尽管付出了巨大努力并取得了重大突破，模型仍远未达到人类水平的精度。在这项工作中，我探讨了该领域的全景，重点介绍新的深度显著性模型、基准和数据集。我们在两个图像基准和两个大规模视频数据集上回顾并比较了大量图像与视频显著性模型。进一步，我指出了导致模型与人类之间差距的因素，并讨论了构建下一代更强大的显著性模型所需解决的遗留问题。所探讨的一些具体问题包括：当前模型在哪些方面失败、如何补救、从注意力的认知研究中可以学到什么、显式显著性判断与注视点有何关系、如何进行公平的模型比较，以及显著性模型的新兴应用有哪些。
引用
@article{arxiv.1810.03716,
title = {Saliency Prediction in the Deep Learning Era: Successes, Limitations, and Future Challenges},
author = {Ali Borji},
journal= {arXiv preprint arXiv:1810.03716},
year = {2019}
}