ECCV 2020预会议 直播笔记| -RGB-D Salient Object Detectionwith Cross-ModalityModulation

目标跟踪基础与智能前沿

寻找 目标跟踪方向的小伙伴，如果你苦于没有地方可以和同方向的小伙伴交流，我们创建了一个交流群，点上方链接可以进入，每周的交流活动通过该号宣传，群里随时随地可以展开讨论，无论是学术交流，还是环境配置，实验讲解，欢迎加入我们，一起交流进步！
点击上方链接，微信关注回复"数据集"，获得目标跟踪几大经典数据集下载链接。

---

跨模态信息 检测 和

1、跨模态特征调制问题：

特征调制， 特征选择，

CMMS ， 调制选择， 跨模态信息融合、优化。

多级串联得到精细预测结果， CMS模块中报刊几个部分，

首先通过跨模态融合 RGB特征，等高级特征后， 通过自适应特征融合， 进行 预测。

attention 预测机制， 进行准确的定位。

RGBD ， D 是增强。

对RGB特征进行

如何从海量数据中选择？

空间信息、通道信息的转折、 通道信息的选择。

一开始输入的特征有很多莫泰， 在传统方法中， 通道选择采用通道Attention的趋势。

建模输入特征，单一模态的关系。

通道选择的过程，可以建模不同跨模态信息的相关性

SE-Net , 获得attention 。 然后获得依赖关系的提取。

除了选择有利通道，还需要保持空间特征中的有效信息： 门控注意力引导多模态信息融合过程。

像素级权重。

位置attention

边缘预测过程， 显著性边缘图。

生成 ， 作为A头疼提on特征， 关注显著性目标位置。 生成显著性边缘， 得到选择性预测， 经过显著性预测。

选择之后AFS

深度相机采集的数据为主。