RGB-D显著检测 之 论文阅读

博主分享了对RGB-D图像显著性检测方向的研究进展,包括两篇综述文章和一篇深度依赖的研究,探讨了2D与3D显著图的融合方法,以及深度信息对视觉显著性的影响。文章提到了眼动实验和数据集的应用,指出未来可能的研究方向。
摘要由CSDN通过智能技术生成

最近开始研究结合深度信息的图像显著性检测方向的文章,特此记录一下。

1. Salient Object Detection: A Survey

这篇文章是可查到的最新的一篇关于图像检测的综述,是由程明明老师和Borji主写的。这两位也是显著检测届的大牛了。这篇综述前后有两个版本,据排版看,第一个版本计划投往PAMI的,关于深度学习和机器学习这部分写的不多;后一个版本是计划投往CVIU的,增添了一些关于深度学习上关于显著检测的工作。

从这篇综述可以得出一些可研究的方向,由于我个人对机器视觉和计算机视觉方向也比较感兴趣,计划往3D视觉上转型,所以打算跟一下关于RGB-D方向的显著检测文章。(文献中引了我所看的第二篇文章)。

2. Depth really Matters Improving Visual Salient Region Detection with Depth

这篇文章是K.D.写的,很遗憾的是,下不到源码。方法是提取2D的显著图,以及3D的显著图,通过SVM进行非线性融合,获取到最终的显著图。

看到这篇文章的时候,我有在想,既然SVM出来了,概率模型也不远了吧。果不其然,我看的第三篇文章用的就是GMM的方法。由于我博士期间的研究方向都是基于混合模型的,这部分也比较熟,是不是可以往这一块靠一靠,值得思考。

3. Depth Matters Influence of Depth Cues on Visual Saliency

这篇文章

  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值