基于噪声指示器的复杂天气条件下显著物体检测
计算机视觉与模式识别
2025-12-12 v1
摘要
显著物体检测 (SOD) 是计算机视觉中的基础任务，已从单模态发展到多模态以增强泛化能力。然而，大多数现有 SOD 方法假设低噪声视觉条件，忽视了实际情景中由天气引起的噪声对分割精度的影响。本文提出了一个针对多样化天气条件的 SOD 框架，包括特定编码器和可替换的解码器。为实现对不同天气噪声的处理，我们引入一个 one-hot 向量作为噪声指示器以表示不同天气类型，并设计了噪声指示器融合模块 (NIFM)。NIFM 同时以语义特征和噪声指示器作为双输入，在编码器的连续阶段之间插入，以通过自适应特征调制嵌入天气感知先验。关键的是，所提出的特定编码器保持与主流 SOD 解码器的兼容性。在三个编码器和七个解码器配置下进行了大量实验，结果表明，在复杂天气条件下，所提出的 SOD 框架（特别是 NIFM 增强的特定编码器）在不同训练数据规模 (100%、50%、30% 完整训练集) 下的分割精度优于 vanilla 编码器。
引用
@article{arxiv.2512.10592,
title = {Salient Object Detection in Complex Weather Conditions via Noise Indicators},
author = {Quan Chen and Xiaokai Yang and Tingyu Wang and Rongfeng Lu and Xichun Sheng and Yaoqi Sun and Chenggang Yan},
journal= {arXiv preprint arXiv:2512.10592},
year = {2025}
}