ViSAGE @ NTIRE 2026 视频显著性预测挑战赛
计算机视觉与模式识别
2026-04-13 v1
摘要
在本报告中，我们介绍了针对与CVPR 2026同期举办的NTIRE 2026视频显著性预测挑战赛的冠军解决方案。为了利用互补的归纳偏置进行视频显著性预测，我们提出了视频显著性自适应门控专家模型(ViSAGE)，这是一个多专家集成框架。每个专用解码器执行自适应门控和调制以优化时空特征。然后，在推理阶段融合来自不同专家的互补预测。因此，ViSAGE聚合了多样的归纳偏置，以捕捉视频中复杂的时空显著性线索。在私有测试集上，ViSAGE在四个评估指标中的两个上排名第一，并在另外两个指标上优于大多数竞争方案，证明了其有效性和泛化能力。我们的代码已在https://github.com/iLearn-Lab/CVPRW26-ViSAGE发布。
引用
@article{arxiv.2604.08613,
title = {ViSAGE @ NTIRE 2026 Challenge on Video Saliency Prediction},
author = {Kun Wang and Yupeng Hu and Zhiran Li and Hao Liu and Qianlong Xiang and Liqiang Nie},
journal= {arXiv preprint arXiv:2604.08613},
year = {2026}
}