摘要

在图像共显著性检测问题中，一个关键挑战是如何建模共显著区域在单幅图像内部以及跨所有相关图像之间的共现模式。本文提出了一种分层的图像共显著性检测框架，采用从粗到细的策略以有效捕捉这一模式。首先，我们设计了一种基于掩码引导的全卷积网络结构，用于生成初始的共显著性检测结果。该掩码用于去除背景信息，其由预训练VGG网络高层特征响应图自动学习得到。随后，我们进一步提出一种多尺度标签平滑模型，以进一步优化检测结果。该模型联合优化像素级与超像素级的标签平滑性。在三个主流图像共显著性检测基准数据集（iCoseg、MSRC和Cosal2015）上的实验结果表明，所提方法在性能上显著优于当前最先进的方法。