PAV-SOD: A New Task towards Panoramic Audiovisual Saliency Detection

计算机科学 人工智能 计算机视觉 分割 水准点(测量) 任务(项目管理) 对象(语法) 卷积神经网络 模式识别(心理学) 管理 大地测量学 经济 地理
作者
Yi Zhang,Fang-Yi Chao,Wassim Hamidouche,Olivier Déforges
出处
期刊:ACM Transactions on Multimedia Computing, Communications, and Applications [Association for Computing Machinery]
卷期号:19 (3): 1-26 被引量:3
标识
DOI:10.1145/3565267
摘要

Object-level audiovisual saliency detection in 360° panoramic real-life dynamic scenes is important for exploring and modeling human perception in immersive environments, also for aiding the development of virtual, augmented, and mixed reality applications in fields such as education, social network, entertainment, and training. To this end, we propose a new task, p anoramic a udio v isual s alient o bject d etection, ( PAV-SOD 1 ), which aims to segment the objects grasping most of the human attention in 360° panoramic videos reflecting real-life daily scenes. To support the task, we collect PAVS10K , the first p anoramic video dataset for a udio v isual s alient object detection, which consists of 67 4K-resolution equirectangular videos with per-video labels including hierarchical scene categories and associated attributes depicting specific challenges for conducting PAV-SOD , and 10,465 uniformly sampled video frames with manually annotated object-level and instance-level pixel-wise masks. The coarse-to-fine annotations enable multi-perspective analysis regarding PAV-SOD modeling. We further systematically benchmark 13 state-of-the-art salient object detection (SOD)/video object segmentation (VOS) methods based on our PAVS10K . Besides, we propose a new baseline network, which takes advantage of both visual and audio cues of 360° video frames by using a new conditional variational auto-encoder (CVAE). Our C VAE-based a udio v isual net work, namely, CAV-Net , consists of a spatial-temporal visual segmentation network, a convolutional audio-encoding network, and audiovisual distribution estimation modules. As a result, our CAV-Net outperforms all competing models and is able to estimate the aleatoric uncertainties within PAVS10K . With extensive experimental results, we gain several findings about PAV-SOD challenges and insights towards PAV-SOD model interpretability. We hope that our work could serve as a starting point for advancing SOD towards immersive media.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
小蘑菇应助闪光魔法暴龙采纳,获得10
1秒前
大方小白发布了新的文献求助10
4秒前
5秒前
简单沛山完成签到,获得积分10
6秒前
6秒前
7秒前
7秒前
landforall_23完成签到,获得积分10
8秒前
孟韩完成签到,获得积分10
9秒前
yh完成签到,获得积分10
9秒前
陈cxz完成签到 ,获得积分10
10秒前
星辰大海应助wuxunxun2015采纳,获得30
11秒前
852应助DJ采纳,获得10
11秒前
小李骑士完成签到,获得积分10
11秒前
丁丁发布了新的文献求助30
11秒前
12秒前
一言矣完成签到 ,获得积分10
12秒前
渴望蓝天发布了新的文献求助10
14秒前
小李骑士发布了新的文献求助30
14秒前
16秒前
竹筏过海应助choco1ate采纳,获得30
17秒前
18秒前
15373601956完成签到,获得积分10
18秒前
莫莫完成签到,获得积分10
19秒前
火山蜗牛完成签到,获得积分10
19秒前
20秒前
20秒前
20秒前
hillbert发布了新的文献求助10
22秒前
爱静静应助小李骑士采纳,获得10
22秒前
24秒前
DJ发布了新的文献求助10
25秒前
纯真紫南完成签到,获得积分20
27秒前
linda完成签到 ,获得积分10
28秒前
黄橙子完成签到,获得积分10
28秒前
29秒前
我有柳叶刀完成签到,获得积分10
29秒前
29秒前
纯真紫南发布了新的文献求助10
30秒前
K13完成签到,获得积分10
31秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 870
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
Fundamentals of Dispersed Multiphase Flows 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3254036
求助须知:如何正确求助?哪些是违规求助? 2896394
关于积分的说明 8292369
捐赠科研通 2565219
什么是DOI,文献DOI怎么找? 1392910
科研通“疑难数据库(出版商)”最低求助积分说明 652405
邀请新用户注册赠送积分活动 629763