要約
顕著対象検出（Salient Object Detection, SOD）において、複雑な背景や対象と周囲の外観が類似している状況は、一般的に困難な課題として認識されている。このような状況に対処するため、従来のRGB画像に加えて深度情報（depth information）を入力として用いる手法、すなわちRGB-D SODまたは深度認識型SODが注目されている。しかしながら、この分野の発展は、原始的な深度画像に広く見られるノイズや曖昧性という課題によって著しく制約されている。本研究では、上記の課題を克服するため、新たな「深度補正と融合（Depth Calibration and Fusion, DCF）」フレームワークを提案する。本フレームワークは以下の2つの新規な構成要素を含む：1）元の深度マップに内在する潜在的なバイアスを学習的に補正する戦略により、SOD性能の向上を図る；2）RGBと深度モダリティの特徴を効果的に統合する、シンプルながらも高い効果を発揮するクロスリファレンスモジュール。広範な実証実験の結果、提案手法は27の最先端手法と比較して優れた性能を達成することが確認された。さらに、本研究で提案する深度補正戦略は、既存の最先端RGB-D SODモデルにおける前処理として容易に統合可能であり、顕著な性能向上が得られることが示された。