将“任何事物分割模型”适应于多模态显著目标检测的语义特征融合指导
原文中文,约500字,阅读约需2分钟。发表于: 。本研究解决了现有多模态显著目标检测方法在有限数据条件下难以达到最佳性能的问题。提出了一种新颖的框架,将预训练的“任何事物分割模型”与多模态特征融合相结合,推动其在复杂场景中的显著目标检测能力。研究结果表明,该框架在RGB-D和RGB-T显著目标检测基准测试上表现出显著效果,展示了其实际应用潜力。
该论文提出了一种新颖的模态自适应Transformer(MAT)来解决任意模态显著目标检测的挑战。通过模态适应特征提取器(MAFE)和动态融合模块(CDFM和SDFM),有效捕捉跨模态互补的语义和细节信息。