我们提出了一种新的群组协作学习框架(GCoNet),该框架能够实时(16ms)检测共同显著对象,通过同时基于两个必要标准挖掘群组层面的共识表示:1)组内部的紧密性,利用我们的组亲和模块捕捉共同显著对象内在的共享属性,从而更好地制定共同显著对象之间的一致性;2)组间可分离性,通过引入我们新的组协作模块,有效地抑制了噪声对象对输出的影响。为了在没有额外计算开销的情况下学习更好的嵌入空间,我们明确地使用了辅助分类监督。在三个具有挑战性的数据上,即CoCA、CoSOD3k和Cosal2015上进行的大量实验表明,我们的简单GCoNet优于10个最新模型,并实现了新的最先进水平。我们展示了本文在一些重要的下游计算机视觉应用上的新技术贡献,包括内容感知的共同分割,基于共同定位的自动缩略图等。
https://arxiv.org/abs/2104.01108
专知便捷查看
便捷下载,请关注专知公众号(点击上方蓝色专知关注)
后台回复“GCON” 就可以获取《【CVPR2021】群体协同学习在共显著目标检测中的应用》专知下载链接