重新思考共显著目标检测

本文对图像中的共显著对象检测（CoSOD）问题进行了全面研究。CoSOD 是显著对象检测（SOD）的一个新兴且迅速发展的扩展领域，其目标是在一组图像中检测出共同出现的显著对象。然而，现有的 CoSOD 数据集通常存在严重的数据偏差，假设每组图像包含具有相似视觉外观的显著对象。这种偏差可能导致在现实场景中，模型的有效性和理想设置受损，因为在实际情况下，相似性通常是语义或概念上的。为了解决这一问题，我们首先引入了一个新的基准数据集，称为“野生环境下的 CoSOD3k”（CoSOD3k in the wild），该数据集需要大量的语义上下文，因此比现有的 CoSOD 数据集更具挑战性。我们的 CoSOD3k 包含 3,316 张高质量、精心挑选的图像，分为 160 组，并提供了层次注释。这些图像涵盖了广泛的类别、形状、对象大小和背景。其次，我们将现有的 SOD 技术整合到一个统一且可训练的 CoSOD 框架中，这是该领域长期以来亟待解决的问题。具体而言，我们提出了一种新型的 CoEG-Net 网络，通过引入共注意力投影策略来增强我们先前的 EGNet 模型，从而实现快速的共同信息学习。CoEG-Net 充分利用了先前的大规模 SOD 数据集，并显著提高了模型的可扩展性和稳定性。第三，我们对 40 种前沿算法进行了全面总结，并在三个具有挑战性的 CoSOD 数据集（iCoSeg、CoSal2015 和我们的 CoSOD3k）上对其中 18 种算法进行了基准测试，报告了更为详细的性能分析（即组级性能分析）。最后，我们讨论了 CoSOD 领域面临的挑战及未来的研究方向。我们希望本研究能够极大地促进 CoSOD 社区的发展。基准工具箱和结果可在我们的项目页面 http://dpfan.net/CoSOD3K/ 上获取。