清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Collaborative compensative transformer network for salient object detection

变压器 突出 计算机科学 人工智能 计算机视觉 模式识别(心理学) 工程类 电气工程 电压
作者
Jun Chen,Heye Zhang,Mingming Gong,Zhifan Gao
出处
期刊:Pattern Recognition [Elsevier]
卷期号:154: 110600-110600 被引量:1
标识
DOI:10.1016/j.patcog.2024.110600
摘要

Salient object detection (SOD) is of high significance for various computer vision applications but is a challenging task due to the complicated scenes in real-world images. Most state-of-the-art SOD methods aim to build long-range dependency for improving global contrast modeling in complicated scenes. However, most of them suffer from the prior assumption of treating image patches as visual tokens for building long-range dependency. This is because this assumption leads to localizing salient regions with uncertain boundaries due to the lost object structure information. In this paper, to address this issue, we re-construct the prior assumption of treating both patches and superpixels as visual tokens for building long-range dependency, which takes into account the properties of superpixels and patches in preserving detailed structural-aware information and local context information, respectively. Based on the re-constructed prior assumption, we propose a Collaborative Compensative Transformer Network (CCTNet) for the SOD task. CCTNet firstly alternates the computation within the same kind of vision tokens and among different vision tokens to build their dependencies. By this means, the relationship between multi-level global context and detailed structure representation can be explicitly modeled for consistent semantic and object structure understanding. Then, CCTNet performs feature joint decoding for SOD by fusing the complementary global context and detailed structure for locating objects with certain boundaries. Extensive experiments were conducted to validate the effectiveness of the proposed modules. Furthermore, the experiments on ten benchmark datasets demonstrated the state-of-the-art performance of CCTNet on both RGB and RGB-D SOD.

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
陆黑暗完成签到 ,获得积分10
3秒前
Regina完成签到 ,获得积分10
22秒前
蓝天小小鹰完成签到 ,获得积分10
33秒前
纪外绣完成签到,获得积分10
35秒前
烟花应助科研通管家采纳,获得10
47秒前
格格完成签到 ,获得积分10
1分钟前
ww完成签到,获得积分10
1分钟前
Raul完成签到 ,获得积分10
1分钟前
合适醉蝶完成签到 ,获得积分10
1分钟前
王磊完成签到 ,获得积分10
1分钟前
聪明的鹤完成签到 ,获得积分10
2分钟前
桐桐应助科研通管家采纳,获得10
2分钟前
勤恳的饭饭完成签到,获得积分10
2分钟前
ee_Liu完成签到,获得积分10
2分钟前
妙手回春板蓝根完成签到,获得积分20
3分钟前
CChi0923完成签到,获得积分10
3分钟前
乒坛巨人完成签到 ,获得积分10
3分钟前
Shandongdaxiu完成签到 ,获得积分10
3分钟前
舒服的幼荷完成签到,获得积分10
3分钟前
茶包完成签到,获得积分10
4分钟前
Skywings完成签到,获得积分10
4分钟前
明理问柳完成签到,获得积分10
4分钟前
vampire完成签到,获得积分10
4分钟前
斯文败类应助科研通管家采纳,获得10
4分钟前
胖胖橘完成签到 ,获得积分10
5分钟前
1461完成签到 ,获得积分10
5分钟前
ycw7777完成签到,获得积分10
5分钟前
花花完成签到 ,获得积分10
5分钟前
大水完成签到 ,获得积分10
5分钟前
皮皮球完成签到 ,获得积分10
5分钟前
阿泽完成签到 ,获得积分10
5分钟前
Qiuqiu发布了新的文献求助10
5分钟前
chcmy完成签到 ,获得积分0
5分钟前
随影相伴完成签到 ,获得积分10
6分钟前
Sigma完成签到 ,获得积分10
6分钟前
大雁完成签到 ,获得积分10
6分钟前
xue112完成签到 ,获得积分10
6分钟前
nano完成签到 ,获得积分10
6分钟前
zhangzhangzhang完成签到 ,获得积分10
7分钟前
缺粥完成签到 ,获得积分10
7分钟前
高分求助中
中国国际图书贸易总公司40周年纪念文集 大事记1949-1987 2000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
草地生态学 880
Threaded Harmony: A Sustainable Approach to Fashion 799
Basic Modern Theory of Linear Complex Analytic 𝑞-Difference Equations 510
中国有机(类)肥料 500
Queer Politics in Times of New Authoritarianisms: Popular Culture in South Asia 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 3059669
求助须知:如何正确求助?哪些是违规求助? 2715529
关于积分的说明 7445380
捐赠科研通 2361181
什么是DOI,文献DOI怎么找? 1251224
科研通“疑难数据库(出版商)”最低求助积分说明 607711
版权声明 596466