摘要

近年来，RGB-D显著目标检测（SOD）引起了越来越多的研究关注，基于编码器-解码器架构的深度学习方法相继涌现。然而，大多数现有的RGB-D SOD模型仅在编码器或解码器阶段进行特征融合，难以保证充分的跨模态融合能力。本文首次尝试通过三维卷积神经网络（3D CNN）解决RGB-D SOD问题。所提出的模型名为RD3D，旨在编码器阶段实现前置融合，并在解码器阶段实现深度特征融合，以有效促进RGB与深度通道之间的全面整合。具体而言，RD3D首先通过一个扩展的3D编码器对RGB与深度模态进行前置融合；随后，设计了一种配备丰富反投影路径（Rich Back-Projection Paths, RBPP）的3D解码器，充分利用3D卷积的广泛聚合能力，实现深层次的特征融合。这种结合编码器与解码器的渐进式融合策略，能够充分挖掘双模态之间的有效且深入的交互，显著提升检测精度。在六个广泛使用的基准数据集上的大量实验表明，RD3D在四个关键评估指标上均优于14种当前最先进的RGB-D SOD方法。相关代码将公开发布：https://github.com/PPOLYpubki/RD3D。