《Calibrated RGB-D Salient Object Detection》阅读理解

最新推荐文章于 2023-06-13 14:55:54 发布
最新推荐文章于 2023-06-13 14:55:54 发布
阅读量947 收藏 8
点赞数 1
分类专栏： 显著性目标检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yuehuihui00/article/details/119113160
版权

论文转载请注明出处。

作者：Wei Ji等

论文地址：https://openaccess.thecvf.com/content/CVPR2021/papers/Ji_Calibrated_RGB-D_Salient_Object_Detection_CVPR_2021_paper.pdf

发表于2021CVPR

论文针对RGB-D SOD 设计了 a Depth Calibration and Fusion (DCF) framework，主要的创新之处在于提出了一个深度校准(Depth Callibration)模块和一个特征融合(Feature Fusion)模块。论文实验证明了该方法的有效性，以及提出的校准模块可以用于其他方法的深度图的校准。

论文的主要框架如下：

 详细来说，将其中的 Depth Callibration 展开后：

 1. 

最低0.47元/天 解锁文章
yuehuihui00
关注
  • 1
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
RGB-D Salient Object Detection:综述论文笔记
qq_43960994的博客
10-08 2342
RGB-D Salient Object Detection:综述论文笔记 显著性目标检测致力于给定区域内最重要的视觉性目标。SOD在真实世界的应用范围内起着关键性的作用，例如立体匹配、图像理解、显著性检测、行为感知、视频探测和分割、语义分割、视频图像分割、目标追踪、行人检测、伪装目标检测等等。尽管在过去的几十年里SOD领域已经有了很大的进展，在各种挑战因素下还有着提升的空间，例如在场景中有着复杂的背景或者不同的灯光条件。一个解决这些困难的办法是使用深度图，提供RGB图像的补充信息并且由于深度传感器的巨大实
Classifying land cover based on calibrated full-waveform airborne light detection and ranging data
02-05
The capability of the parameters derived from waveform data in discriminating objects is assessed and the effect of the relative calibration of full-waveform data in discriminating land-cover classes ...
RGBD模态融合问题
qq_42519463的博客
10-28 2244
当图像特征中RGB图像和depth图像特征有鸿沟时，怎么进行融合呢？这里从RGBD SOD显著性检测的领域找了一些最新论文的方法，并附上代码，以供参考。
2023VALSE目标跟踪相关的Poster
m0_37412775的博客
06-13 2239
RGBT显著性目标检测（salient object detection, SOD）关注于一对可见和热红外图像的共同的显著性区域。现存的方法在对齐的RGBT图像对上执行，但是。
SwinNet: Swin Transformer drives edge-aware RGB-D and RGB-T salient object detection
m0_58702532的博客
07-11 2820
卷积神经网络 (CNN) 擅长在某些感受野内提取上下文特征，而Transformer可以对全局远程依赖特征进行建模。Swin Transformer ，吸收了 CNN 的局部优势和 Transformer 的远程依赖优点。 在以上基础上，作者提出了一种用于 RGB-D 和 RGB-T 显著目标检测的跨模态融合模型 SwinNet。 它是由Swin Transformer提取分层特性,使用通道注意力和空间注意力推动以弥合两种模态之间的差距，并由边缘信息引导以锐化显着对象的轮廓。 具体而言，双流S...
RGB-D salient object detection: A survey 综述
weixin_39718490的博客
10-23 2097
摘要：显著对象检测是模拟场景中最重要物体的视觉感知，已广泛应用于各种计算机视觉任务。现在，深度传感器的出现意味着深度地图可以很容易地捕获；这种额外的空间信息可以提高显著目标检测的性能。虽然在过去的几年中，已经提出了各种基于RGB-D的具有良好性能的显著目标检测模型，但对这些模型和该领域的挑战仍然缺乏深入的理解。本文从不同的角度对基于RGB-D的显著对象检测模型进行了全面的调查，并详细回顾了相关的基准数据集。此外，由于光场也可以提供深度图，我们也回顾了来自该领域的显著对象检测模型和流行的基准数据集。此外，为了
A self-calibrated photo-geometric depth camera
06-09
The parameters (including position and intensity) of the light sources can be self-calibrated. To realize the auto-calibration, we first use the distant lighting model to estimate the initial surface...
Transmittance and phase measurement via self-calibrated balanced heterodyne detection
01-27
In this study, a new method of self-calibrated balanced heterodyne detection (SCBHD) is proposed. It can be self-calibrated by a two-channel structure to overcome the environmental effects in large ...
Self-calibrated global rainbow refractometry: a dual-wavelength approach
02-07
A novel self-calibrated global rainbow refractometry system based on illumination by two lasers of different wavelengths is proposed. The angular calibration and refractive index measurement of two ...
A Wavelength Monitoring System Using Tunable MEMS Filter Calibrated by F-P Laser
02-08
We report a wavelength and power monitoring system based on a scanning MEMS filter as wavelength discriminator and a near threshold-biased Fabry-Perot diode laser as wavelength reference....
KINECT CALIBRATED RGBD 数据的恢复：获取 RGB 和原始范围数据并使用校准参数提供点云-matlab开发
06-01
使用第一代 Kinect 传感器提供的原始范围数据，以及用户提供的校准数据，创建校正后的点云。 还使用这些校准参数将 RGB 图像与点云配准。 从理论上讲，阶段是精心设计的，但编程不是。
20200894_RGB-D Salient Object Detection A Survey.pdf
02-03
显著性目标检测论文下载 论文：RGB-D Salient Object Detection A Survey
RGB-D Salient Object Detection with Cross-Modality Modulation and Selection
m0_58702532的博客
05-19 854
RGB-D Salient Object Detection with Cross-Modality Modulation and Selection 具有跨模态调制和选择的 RGB-D 显着目标检测 一、Motivation two challenge： 1）如何有效地整合来自 RGB 图像及其对应的深度图的互补信息； 2）如何自适应地选择更多与显着性相关的特征。 二、Solutions (1) cross-modality feature modulation (cmFM) 模块，通过
Dynamic Selective Network for RGB-D Salient Object Detection
m0_58702532的博客
07-07 804
Dynamic Selective Network for RGB-D Salient Object Detection用于 RGB-D 显着目标检测的动态选择网络IEEE TRANSACTIONS ON IMAGE PROCESSING, VOL. 30, 2021通过各种融合策略来整合RGB图像和深度图。忽略了两种模式之间的固有差异，这导致在处理一些具有挑战性的场景时性能下降。动态选择网络 (DSNet)，通过充分利用两种模态之间的互补性来执行rgb-d图像中的显着目标检测 (SOD)。1. 部署一个跨
TriTransNet: RGB-D Salient Object Detection with a Triplet Transformer Embedding Network
m0_58702532的博客
06-06 775
显著目标检测是一项像素级的密集预测任务，可以突出场景中的显著目标。近年来，U-Net框架得到了广泛的应用，连续的卷积和池操作产生了相互补充的多层次特征。鉴于高级功能对性能的贡献更大，我们提出了一个三重变压器嵌入模块，通过学习跨层的远程依赖来增强它们。这是第一个使用三个具有共享权重的变压器编码器来增强多级功能的编码器。通过进一步设计比例调整模块来处理输入，设计三流解码器来处理输出，并将深度特征附加到颜色特征以进行多模融合，所提出的三重变压器嵌入网络（TriTransNet）在RGB-D突出目标检测方面达到了最
RGB-D Salient Object Detection withCross-Modality Modulation and Selection
xuan971130的博客
11-08 425
摘要： 针对RGB-D显著目标检测(SOD)问题，提出了一种有效的方法来逐步整合和完善交叉通道互补。该网络主要解决了两个具有挑战性的问题:1)如何有效地整合来自RGB图像及其对应深度图的互补信息，2)如何自适应地选择更显著相关的特征。首先，我们提出了一个跨模态特征调制(cmFM)模块，以深度特征为先验，建模RGB-D数据的互补关系，增强特征表示。其次，我们提出了自适应特征选择(AFS)模块来选择显著性相关的特征并抑制较差的特征。AFS模块采用多模态空间特征融合，考虑信道特征的自模态和跨模态相互依赖性。第三
「论文阅读笔记」Adaptive Fusion for RGB-D Salient Object Detection
qq_38766844的博客
09-27 1644
这是来自于浙江大学的一篇RGB-D的目标检测论文。 标题是自适应融合的目标检测，其主要思路是在获取从RGB与深度图的信息后，将这两个的信息根据输入图像不同的权重转换成一个特征图（switch map），一个类似于权重机制的特征图。最后融合三路信息输出图像。 问题提出 作者总结了在RGB-D领域的输入图像的四种场景（例图从第一行往下看）： 目标在RGB深度两种格式下都能分辨很清楚。 相...
《Frustum PointNets for 3D Object Detection from RGB-D Data》论文及代码学习（一）——论文部分
ShuqiaoS的博客
10-09 7033
《Frustum PointNets for 3D Object Detection from RGB-D Data》论文及代码学习 《Frustum PointNets for 3D Object Detection from RGB-D Data》一文是Charles R.Qi等人发表在CVPR2018上的文章（提前版本2017.11.22发表，2018.04.13提交了更新版本，主要修改了附...
深度估计(Depth Estimation)
胭脂草的ABC博客
01-15 1991
深度估计(Depth Estimation) 深度估计，顾名思义, 就是利用一张或者唯一/多个视角下的RGB图像，估计图像中每个像素相对拍摄源的距离。 深度估计是从2D图像估计深度是场景重建和理解任务的关键步骤，在计算机视觉领域属于3D重建的一部分 基于深度学习的单目估计依据是像素值关系反映深度关系，方法是拟合一个函数把图像映射成深度图。 从单张图片中获取具体的深度相当于从二维图像推测出三维空间 单目深度估计Monocular...
Self-Calibrated Convolutions
最新发布
07-28
Self-Calibrated Convolutions是一种多尺度特征提取模块，它通过特征图下采样来增大CNN的感受野，并通过自校准操作融合来自两个不同空间尺度的信息。这种方法可以增强输出特征的多样性，提高CNN的特征表示能力。与标准卷积不同，Self-Calibrated Convolutions通过自校准操作在每个空间位置周围建立了远程空间和通道间的依存关系，从而生成更具判别能力的特征表达。它没有引入额外的可学习参数，但计算量会增加。\[2\]\[3\] #### 引用[.reference_title] - *1* *2* [CVPR2020 Improving Convolutional Networks with Self-Calibrated Convolutions论文详解 SC-Net 注意力...](https://blog.csdn.net/chanbo8205/article/details/110179999)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [CVPR2020 | SCNet：自校正卷积网络，无复杂度增加换来性能提升](https://blog.csdn.net/sinat_17456165/article/details/106536610)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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