- 计算机视觉算法分享。问题或建议,请文章私信或者文章末尾扫码加微信留言。
- sora 具体介绍和使用方法:OpenAI Sora 下一代生产力:最新小白必看教程 | 解剖Sora的前世今生 | Sora核心源码
- 目前 openai 官方还未开放 sora 灰度,不过根据文生图模型 DALL·E 案例,一定是先给 ChatGPT Plus 付费用户使用,需要注册或者升级 GPT Plus 可以看这个教程:ChatGPT Plus 1分钟一键升级
- Youtube、Onlyfans等国外优质服务订阅
- ChatGPT充值升级 Plus
- ChatGPT账号购买
1 论文题目
- 通过完整性学习检测显著对象
2 论文摘要
- 虽然目前的显著目标检测(SOD)工作已经取得了显著的进展,但它们在预测的显著区域的完整性方面是有限的。我们在微观和宏观层面上定义了完整性的概念。具体来说,在微观层面上,模型应该突出显示属于某一突出对象的所有部分。同时,在宏观层面上,模型需要发现给定图像中的所有显著对象。为了促进SOD的完整性学习,我们设计了一种新的完整性认知网络(ICON),它探索了学习强完整性特征的三个重要组成部分。1)与现有的模型更关注特征可辨别性的情况不同,我们引入了一种不同的特征聚合(DFA)组件来聚合具有不同接受域(即核形状和上下文)的特征,并增加特征多样性。这种多样性是挖掘整体突出对象的基础。2)基于DFA特征,我们引入了一个完整性通道增强(ICE)组件,目的是增强突出突出对象,同时抑制其他分散的对象。3)在提取出增强后的特征后,采用部分-整体验证(PWV)方法来确定部分对象特征与整体对象特征是否具有较强的一致性。这种部分-整体的协议可以进一步提高每个突出目标的微观层面的完整性。为了证明我们的ICON的有效性,我们在7个具有挑战性的基准上进行了综合实验。我们的图标在广泛的指标方面优于基线方法。值得注意的是,在6个数据集上,我们的∼在平均假阴性比(FNR)方面比之前的最佳模型实现了10%的相对改进。
3 论文创新点
- 研究SOD中的完整性问题,这在该领域是必要的,但研究不足。
- 介绍了实现集成SOD的三个关键组件,即多样化的特征聚合、完整性通道增强和部分整体验证。
- 设计一个新的网络,即ICON,它包含了这三个组件,并在7个具有挑战性的数据集上证明其有效性。除了其突出的性能外,我们的方法还实现了实时速度(∼60fps)。
4 论文架构
5 不足之处
- 无
6 未来展望
- 无
7 论文地址
- https://ieeexplore.ieee.org/abstract/document/9789317/
8 论文代码
- https://github.com/mczhuge/ICON
计算机视觉最新进展-Sora
- 计算机视觉算法分享。问题或建议,请文章私信或者文章末尾扫码加微信留言。
- sora 具体介绍和使用方法:OpenAI Sora 下一代生产力:最新小白必看教程 | 解剖Sora的前世今生 | Sora核心源码
- 目前 openai 官方还未开放 sora 灰度,不过根据文生图模型 DALL·E 案例,一定是先给 ChatGPT Plus 付费用户使用,需要注册或者升级 GPT Plus 可以看这个教程:ChatGPT Plus 1分钟一键升级
- Youtube、Onlyfans等国外优质服务订阅
- ChatGPT充值升级 Plus
- ChatGPT账号购买
-
如有其他疑问可以加以下微信二维码联系
-
更多计算机视觉最新最先进算法请扫描关注以下公众号
-