.png){kind=icon}
返回
Hierarchical Spatial-Angular Representation Learning for Point-Supervised Salient Object Detection in Light Fields
.png){kind=icon}
PRE
AI
DOI：10.1145/3788871.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
光场显著目标检测（LFSOD）旨在利用4D光场图像固有的互补空间-角度信息来识别视觉上突出的区域。主要挑战在于建模角度依赖性并在稀疏监督下保持空间一致性。本文提出了一种弱监督网络，包含三个相互依赖的模块。首先，光场分割（LFD）模块利用极线几何提取方向感知的边界特征，增强角度差异的编码。其次，光场空间关联（LFSA）模块通过中心视角注释锚定跨视图特征对齐，从而强制执行空间一致性并减少冗余表示。第三，光场显著性局部聚类（LFLC）模块引入了一种联合边界-外观建模策略，整合自适应聚类与误差感知正则化来细化结构预测。在三个基准数据集上的实验表明，我们的方法始终优于主流弱监督方法，并且相较于几种全监督方法也取得了更优的性能。
Keyword:
Light Field
Salient Object Detection
Weakly Supervised Learning
期刊
IF:
6
论文数:
2.0K
被引数:
5.4K
机构
引用论文
.png){kind=icon}
LSNet: Lightweight Spatial Boosting Network for Detecting Salient Objects in RGB-Thermal Images
PREAI
分享收藏
查看更多内容