本文分享 ACM MM 2021 论文『Complementary Trilateral Decoder for Fast and Accurate Salient Object Detection』，由北航&鹏城实验室联合提出互补三边解码器网络 CTDNet 用于显著物体检测，在参数更少、速度更快的情况下仍然取得了非常好的分割结果，实现了性能和效率的良好平衡！

论文链接：https://dl.acm.org/doi/pdf/10.1145/3474085.3475494

项目链接：https://github.com/iCVTEAM/CTDNet

课题主页：https://cvteam.buaa.edu.cn

作者摒弃了传统的U形结构，提出在解码器部分分别处理语义上下文、空间细节和边界信息，以达到准确率和速度之间的良好折衷，如下图所示。

作者提出了一种新的框架——高效的互补三边解码器网络（CTDNet）用于显著性检测，本文的模型结构如下图所示。

它包括三个分支：语义路径、空间路径和边界路径。顾名思义，这三个分支分别用来解决语义信息的稀释、空间信息的丢失和边界信息的缺失。这三个部分来自编码器的不同阶段并且共享同一个编码器，彼此互补，所以作者按照“粗糙-精细-更精细”的策略逐步合并这三个分支。

内容中包含的图片若涉及版权问题，请及时与我们联系删除