该文章介绍了一种基于时空一致的显著性检测的非刚性物体跟踪框架，利用定制的完全卷积神经网络建模图像区域的本地显著性先验，并通过多尺度多区域机制生成本地显著性地图。该框架在显著性检测和视觉跟踪方面表现出竞争性的性能。

本文提出了一种基于编码-解码结构的全局上下文聚合网络 (GCANet) 来实现轻量级表面缺陷的显著性检测。GCANet 引入了一个新颖的 Transformer 编码器和深度自注意 (DSA) 模块，捕获全局上下文信息。实验结果表明，GCANet 在准确性和运行效率之间取得了更好的平衡，在三个公开的缺陷数据集上取得了竞争性的结果。