TPAMI 2024 | HyperSOR: 面向显著对象排序的上下文感知图超网络

HyperSOR: Context-Aware Graph Hypernetwork for Salient Object Ranking

HyperSOR: 面向显著对象排序的上下文感知图超网络

Minglang Qiao; Mai Xu; Lai Jiang; Peng Lei; Shijie Wen; Yunjin Chen; Leonid Sigal

---

摘要

显著对象排序 (SOR) 旨在对图像中的显著对象进行分割，并同时预测它们的显著性排序，这是根据人类注意力在不同对象间的转移来进行的。现有的 SOR 方法主要关注基于对象的注意力，例如对象的语义和外观。然而，我们发现场景上下文在 SOR 中起着至关重要的作用，同一对象的显著性排序在不同场景中会有很大差异。为此，本文首次尝试显式地学习 SOR 的场景上下文。具体来说，我们建立了一个包含 24,373 张图像的大规模 SOR 数据集，具有丰富的上下文注释，即场景图、分割和显著性排序。受对数据集分析的启发，我们提出了一种新颖的图超网络，名为 HyperSOR，用于上下文感知的 SOR。在 HyperSOR 中，首先开发了一个初始图模块，用于分割对象并通过考虑几何