摘要

RGB-D显著性目标检测（SOD）的主要目标在于如何更有效地融合与利用跨模态信息。本文从一个全新的视角探讨了这一问题。我们通过密集连接结构整合不同模态的特征，并利用融合后的特征生成具有不同感受野尺寸的动态滤波器，从而实现一种更为灵活且高效的多尺度跨模态特征处理机制，即动态空洞金字塔模块（Dynamic Dilated Pyramid Module）。为使预测结果具有更锐利的边缘和一致的显著区域，我们设计了一种混合增强损失函数，进一步优化检测性能。该损失函数在单模态RGB SOD任务中也表现出良好的有效性。在六个评估指标下，所提出的方法在八个具有挑战性的基准数据集上均优于现有的十二种方法。大量实验充分验证了所提出模块与损失函数的有效性。相关代码、模型及实验结果已公开，详见：\url{https://github.com/lartpang/HDFNet}。