Key points are not available for this paper at this time.
A detecção de objetos co-salientes (CoSOD) é um ramo emergente e em rápida expansão da detecção de objetos salientes (SOD), que visa detectar os objetos salientes que ocorrem em múltiplas imagens. No entanto, os conjuntos de dados CoSOD existentes frequentemente apresentam um sério viés de dados, que assume que cada grupo de imagens contém objetos salientes com aparências visuais semelhantes. Esse viés resulta em que as configurações ideais e a eficácia dos modelos, treinados em conjuntos de dados existentes, podem ser afetadas em situações da vida real, onde a semelhança geralmente é semântica ou conceitual. Para abordar essa questão, coletamos primeiramente um novo conjunto de dados de alta qualidade, chamado CoSOD3k, que contém 3.316 imagens divididas em 160 grupos com anotações em múltiplos níveis, ou seja, categorias, caixas delimitadoras, objetos e níveis de instância. O CoSOD3k representa um salto significativo em termos de diversidade, dificuldade e escalabilidade, beneficiando tarefas de visão relacionadas. Além disso, resumimos de forma abrangente 34 algoritmos de ponta, avaliando 19 deles em quatro conjuntos de dados CoSOD existentes (MSRC, iCoSeg, Image Pair e CoSal2015) e nosso CoSOD3k, com um total de ~61K imagens (maior escala), e relatando uma análise de desempenho em nível de grupo. Finalmente, discutimos os desafios e o futuro do CoSOD. Nosso estudo dará um forte impulso ao crescimento da comunidade CoSOD. A caixa de ferramentas de benchmark e os resultados estão disponíveis em nossa página de projeto.
Fan et al. (Mon,) estudaram essa questão.