摘要
现有的RGB-D显著性目标检测（SOD）方法主要聚焦于RGB流与深度流之间的跨模态融合，而未能深入挖掘深度图本身所蕴含的潜在价值。为此，本文提出一种单流网络结构，直接利用深度图引导RGB与深度信息的早期融合与中期融合，从而省去深度流的特征编码器，实现轻量化且具备实时性能的模型。我们从两个角度巧妙地利用深度信息：（1）针对不同模态间差异较大所导致的不兼容问题，构建了单流编码器以实现早期融合，充分借助ImageNet预训练的骨干网络，提取丰富且具有判别性的特征；（2）设计了一种新颖的深度增强双注意力模块（Depth-Enhanced Dual Attention, DEDA），高效地为前景与背景分支提供空间滤波后的特征，使解码器能够更优地完成中期融合。此外，我们提出了金字塔注意力特征提取模块（Pyramidically Attended Feature Extraction, PAFE），以精准定位不同尺度的目标。大量实验表明，所提模型在多种评估指标下均优于大多数当前最先进的方法。此外，该模型相比现有最轻量级模型减轻了55.5%，在处理384×384分辨率图像时可达到32 FPS的实时运行速度。