【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
- 英特尔 i5-9400F,或将成为本年最高性价比的游戏处理器
- hdu1978(递推dp)
- 如何使用Java 8 FlatMap JDBC ResultSet?
- 关于codeforces加载慢
- pytorch深度学习_在本完整课程中学习在PyTorch中应用深度学习
- mysql复制安全性_从MySQL复制功能中得到一举三得实惠
- 基于easypoi实现自定义模板导出excel
- 如何关闭/删除vs2005的实时调试器?
- opatch java.lang.OutOfMemoryError:Java heap space错误一例
- 如何在 10 亿数中找出前 1000 大的数?
- html中的form是空标签么,关于html 中form表单的内标签和使用
- draw什么计算机软件,[计算机软件及应用]化学绘图软件ChemDraw使用简介.ppt
- 办公神器,专治低效——特色功能软件工具
- Maven的学习与2022IDEA创建Maven的web项目的教程(这个比上一期更“啰嗦哦~,前面不想删了,整体再来一遍”)
- 装修主要的污染源有哪些?
- python中imag是什么意思_Python-在imag中查找对象的中心
- 从零到百亿互网融构展
- 企业内网安全体系化发展方向
- IDEA MyBatis 报错:Could not find resource com/xxx/xxxMapper.xml
- 236_自定义抽签器二