RSONet: RGB-T領域誘導型選択的最適化ネットワークによるRGB-T顕著物体検出

要旨: 本論文はRGBと熱画像間の顕著領域の不整合に焦点を当てます。これらの問題に対処するため、RGB-T顕著物体検出のRegion-guided Selective Optimization Networkを提案します。これは、領域ガイダンス段階と顕著性生成段階から成ります。領域ガイダンス段階では、同じエンコーダ-デコーダ構造を備えた3つの並列ブランチを、コンテキスト相互作用（CI）モジュールと空間認識融合（SF）モジュールを備えて設計し、これらを用いてガイダンスマップを生成し、類似度スコアを算出するのに用います。つづいて、顕著性生成段階では、選択的最適化（SO）モジュールが、前に得られた類似性値に基づいてRGBと熱特徴を融合し、二つのモダリティ間で顕著ターゲットの分布の不整合の影響を緩和します。その後、高品質な検出結果を生成するため、複数の密結合接続と視覚状態空間ブロックを採用したDense Detail Enhancement（DDE）モジュールを低レベル特徴に適用して、ディテール情報を最適化します。さらに、相互作用セマンティック（MIS）モジュールを高レベル特徴に配置し、相互融合戦略によって位置の手掛かりを掘り起こします。我々はRGB-Tデータセット上で広範な実験を行い、提案手法のRSONetが27の最先端SOD手法に対して競争力のある性能を達成することを示します。