SPSN: Superpixel Prototype Sampling Network for RGB-D Salient Object Detection SPSN: RGB-D 주요 객체 검출을 위한 슈퍼픽셀 프로토타입 샘플링 네트워크

최근 RGB-D 주요 객체 검출(SOD)이 다양한 시각 작업의 중요한 전처리 과정으로 주목을 받고 있습니다. 그러나, 딥 러닝 기반 방법들의 발전에도 불구하고, RGB 이미지와 깊이 맵 사이의 큰 도메인 간극과 저품질의 깊이 맵 때문에 RGB-D SOD는 여전히 어려운 문제입니다. 이 문제를 해결하기 위해, 우리는 새로운 슈퍼픽셀 프로토타입 샘플링 네트워크(SPSN) 구조를 제안합니다. 제안된 모델은 입력 RGB 이미지와 깊이 맵을 구성 요소 슈퍼픽셀로 분할하여 구성 프로토타입을 생성합니다. 또한, 프로토타입 샘플링 네트워크를 설계하여 네트워크가 주요 객체에 해당하는 프로토타입만 샘플링하도록 하였습니다. 더불어, 우리는 각 RGB 및 깊이 특징 맵의 품질을 인식하고 그 신뢰도에 비례하여 가중치를 적응적으로 부여하는 의존성 선택 모듈을 제안합니다. 제안된 방법은 모델을 RGB 이미지와 깊이 맵 간의 불일치에 견고하게 만들며, 비주요 객체의 영향을 제거합니다. 우리의 방법은 다섯 개의 유명한 데이터셋에서 평가되어 최신 성능을 달성하였습니다. 우리는 비교 실험을 통해 제안된 방법의 효과성을 입증하였습니다.