基于记忆增强条件生成对抗网络的任务特定视觉显著性预测
计算机视觉与模式识别
2018-03-12 v1
摘要
视觉显著性模式除被解析的图像之外还是多种因素作用的结果,然而现有方法忽略了这些。为应对这一局限,我们提出了一种新颖的显著性估计模型,它利用了条件生成对抗网络(conditional generative adversarial networks)的语义建模能力,以及能够捕捉受试者行为模式和任务依赖因素的记忆架构。我们的贡献旨在弥合现代深度学习架构中自下而上的特征学习能力与传统基于自上而下手工特征的任务特定显著性建模方法之间的差距。所提框架的条件特性使我们能够一同学习不同任务间的上下文语义与关系,而非针对每个任务分别学习。我们的研究不仅为生成对抗网络(GAN)开辟了一个新颖的应用领域,也强调了任务特定显著性建模的重要性,并证明了通过增强记忆架构完整捕捉该上下文的可行性。
引用
@article{arxiv.1803.03354,
title = {Task Specific Visual Saliency Prediction with Memory Augmented Conditional Generative Adversarial Networks},
author = {Tharindu Fernando and Simon Denman and Sridha Sridharan and Clinton Fookes},
journal= {arXiv preprint arXiv:1803.03354},
year = {2018}
}
备注
To appear in IEEE Winter Conference on Applications of Computer Vision (WACV), 2018