【ACMMM 2022】Depth-inspired Label Mining for Unsupervised RGB-D Salient Object Detection
代码：https://github.com/youngtboy/DLM
这篇论文主要是利用无监督的思想，来解决RGBD显著性检测问题。通过观察，depth包括更明显的对比度，可以更好的为显著性检测提供线索。因此作者提出一种全新的思路，用 depth 来估计目标区域，然后以此为RGB图像中的显著性检测提供线索。这个想法非常有趣，确实是首次见到。
论文框架分为两个步骤，第一步为 Depth-inspired Label Generation (DLG) ，即为用深度图来估计显著性目标区域。网络结构使用 encoder-decoder 结构，中间使用 slot attention。作者使用 applyColorMap 将depth映射到彩色空间，这里为了提升性能，作者使用两种颜色映射，然后分别计算得到一个目标区域。
第二个阶段为：Multi-source Uncertainty-aware Label Optimization ，引入了三个标签来对RGB图像的显著性检测网络进行优化。
这篇论文的想法非常有趣，细节可以参考作者论文，这里不再过多介绍。
标签：Mining,Salient,inspired,Object,Depth,Label,RGB,显著性,ACMMM From： https://www.cnblogs.com/gaopursuit/p/16837904.html