要約
顕著対象検出（Salient Object Detection, SOD）は、多くのコンピュータビジョン応用において重要な初期タスクであり、近年では深層畳み込みニューラルネットワーク（deep CNNs）の発展により進展を遂げている。既存の多数の手法は、主にRGB情報に依存して顕著対象を識別しているが、複雑なシナリオでは限界に直面している。この課題を解決するため、近年では深度マップを独立した入力として採用し、RGB情報と特徴を統合するRGBDベースのネットワークが多数提案されている。RGBとRGBD手法の利点を活かすことを目的として、本研究では新たな深さ感知型顕著対象検出手法を提案する。本手法の主な優れた設計は以下の通りである：1) 学習段階では深度情報のみを入力とし、推論段階ではRGB情報のみに依存する。2) 複数レベルの深さ感知正則化を用いてSOD特徴を包括的に最適化する。3) 深度情報はセグメンテーションプロセスの補正に用いる誤差重みマップとしても機能する。これらの洞察に基づく設計を統合することで、推論時にRGB情報のみを入力とする統一された深さ感知フレームワークを初めて実現した。本手法は、5つの公開RGB SODベンチマークにおいて最先端の性能を上回るとともに、5つのベンチマークにおいてRGBDベースの手法を大きく上回り、情報量の少ないシンプルな構成と軽量な実装を実現した。コードおよびモデルは公開予定である。