【ACMMM 2022】Depth-inspired Label Mining for Unsupervised RGB-D Salient Object Detection
【ACMMM 2022】Depth-inspired Label Mining for Unsupervised RGB-D Salient Object Detection
代码：https://github.com/youngtboy/DLM
这篇论文主要是利用无监督的思想，来解决RGBD显著性检测问题。通过观察，depth包括更明显的对比度，可以更好的为显著性检测提供线索。因此作者提出一种全新的思路，用 depth 来估计目标区域，然后以此为RGB图像中的显著性检测提供线索。这个想法非常有趣，确实是首次见到。
论文框架分为两个步骤，第一步为 Depth-inspired Label Generation (DLG) ，即为用深度图来估计显著性目标区域。网络结构使用 encoder-decoder 结构，中间使用 slot attention。作者使用 applyColorMap 将depth映射到彩色空间，这里为了提升性能，作者使用两种颜色映射，然后分别计算得到一个目标区域。
第二个阶段为：Multi-source Uncertainty-aware Label Optimization ，引入了三个标签来对RGB图像的显著性检测网络进行优化。
这篇论文的想法非常有趣，细节可以参考作者论文，这里不再过多介绍。
【ACMMM 2022】Depth-inspired Label Mining for Unsupervised RGB-D Salient Object Detection相关推荐
- 【ACMMM 2022】Learning Hierarchical Dynamics with Spatial Adjacency for Image Enhancement
[ACMMM 2022]Learning Hierarchical Dynamics with Spatial Adjacency for Image Enhancement 代码:https://g ...
- 【ICPR 2021】遥感图中的密集小目标检测：Tiny Object Detection in Aerial Images
SSPNet: Scale Selection Pyramid Network for Tiny Person Detection from UAV Images 简介: 数据集: M-CenterN ...
- 【设计模式2022】第六章 建造者模式
[设计模式2022]第六章 建造者模式 文章目录 [设计模式2022]第六章 建造者模式 一.建造者模式 1.结构 2.案例 3.分析 4.使用场景 5.扩展 6.对比工厂模式 一.建造者模式 将一个 ...
- 【设计模式2022】第十三章 享元模式
[设计模式2022]第十三章 享元模式 文章目录 [设计模式2022]第十三章 享元模式 一.概述 二.结构 三.实现 四.分析 1.优点 2.缺点 3.使用场景 五.Integer 包装类 一.概述 ...
- 【设计模式2022】第四章 工厂模式
[设计模式2022]第四章 工厂模式 文章目录 [设计模式2022]第四章 工厂模式 一.概述 二.简单工厂模式 1.结构 2.实现 3.分析 4.扩展 三.工厂方法模式 1.结构 2.实现 3.分析 ...
- 【IJCV 2022】RIConv++: Effective Rotation Invariant Convolutions for 3D Point Clouds Deep Learning
文章目录 研究旋转不变就从这里开始吧. [3DV 2019]Rotation Invariant Convolutions for 3D Point Clouds Deep Learning [IJC ...
- 【arXiv2022】GroupTransNet: Group Transformer Network for RGB-D Salient Object Detection
paper:https://arxiv.org/abs/2203.10785 目录 一 动机 二 方法 三 网络框架 3.1 模态纯化模块(MPM) 3.2 尺度统一模块 (SUM) 3.3 多 Tr ...
- 【Salient Object Detection】显著性物体检测资料汇总
显著性物体检测的一系列资料汇总 v1.0 研究小组&people 南开大学媒体计算, Salient object detection datasets,全面的方法总结评测+一系列此领域研究工 ...
- 【显著性物体检测】【ECCV2018】Reverse Attention for Salient Object Detection【论文笔记】
简介:在不怎么增加计算量的前提下,采用从粗到精的思想,由高级特征到低级特征,补全显著性检测的轮廓[最近很多都是基于这个思想].模型的速度与效果都占优.具体关注,是怎么实现特征的多级利用的. ECSSD ...
最新文章
- Linux系统开发之路-中
- 【转】微信公共号开发，提示“该公众号暂时无法提供服务，请稍后再试”，如何解决？...
- python读取文件参数_Python 通过配置文件 读取参数进行
- python提示install无效_为什么是python设置.py给我“错误：选项installdir无法识别”错误？...
- 试题 E: 迷宫 第十届蓝桥杯
- （45）VHDL实现算术器
- 大数据之-Hadoop3.x_Hadoop_MapReduce_介绍---大数据之hadoop3.x工作笔记0081
- 如何学习一个新的PHP框架
- 阿里灵杰问天引擎电商搜索 -- 数据说明
- perl语言简单入门
- python中类的实例化_python类的实例化
- R语言实现单变量分析教程
- 前端如何生成条形码---JsBarcode
- noip 2013 积木游戏
- 滚动加载分辨率scrollTop小数问题
- 服装制图软件测试初学者,服装行业版软件测试文案.ppt
- Android拓展系列(5)--CyanogenMod源码下载和编译(Android ROM定制基础篇)
- TPshop项目步骤（二）
- API 夺命四连杀：接口如何设计？安全如何保证？签名如何实现？防重如何实现？...
- 最新获取iOS设备型号大全（包括iphone7，iphone7 Plus）