摘要
在RGB-D显著目标检测任务中，存在两个核心问题：（1）如何有效融合跨模态RGB-D数据之间的互补信息；（2）如何抑制由不可靠深度图带来的污染效应。事实上，这两个问题相互关联、彼此交织，但以往方法往往仅关注第一个问题，忽视了对深度图质量的考量，这可能导致模型陷入次优状态。本文提出一种整体性解决方案，协同应对上述两个挑战，并设计了一种新型网络结构——DPANet，旨在显式建模深度图的潜在价值，从而高效融合多模态互补信息。通过引入“深度潜在性感知”机制，网络能够以学习的方式感知深度信息的潜在可用性，并在融合过程中主动引导，有效规避污染问题。此外，在融合阶段引入的门控多模态注意力模块，利用带有门控控制器的注意力机制，从跨模态视角捕捉长距离依赖关系。在8个公开数据集上与15种前沿方法的对比实验结果表明，所提方法在定性和定量两个方面均展现出显著优越性，验证了其有效性与鲁棒性。