摘要
我们提出了一种高效且强大的显著物体检测方法，该方法基于最小障碍距离（Minimum Barrier Distance, MBD）变换。MBD变换对像素值波动具有较强的鲁棒性，因此可直接应用于原始像素，无需进行区域抽象。为此，我们设计了一种近似MBD变换算法，其运算速度比精确算法提升100倍，并提供了误差界分析。基于这一快速MBD变换算法，所提出的显著物体检测方法可实现80帧每秒（FPS）的运行速度，在四个大型基准数据集上的表现显著优于以往同等速度的现有方法，且在性能上可与当前最先进方法相媲美甚至更优。此外，我们提出一种基于颜色白化（color whitening）的技术，将该方法扩展以利用基于外观的背景显著性线索。该增强版本进一步提升了检测性能，同时仍比所有其他主流方法快一个数量级。
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| video-salient-object-detection-on-davis-2016 | MB+M | AVERAGE MAE: 0.173 MAX E-MEASURE: 0.748 S-Measure: 0.600 |
| video-salient-object-detection-on-davsod | MB+M | Average MAE: 0.231 S-Measure: 0.536 max E-Measure: 0.624 |
| video-salient-object-detection-on-davsod-1 | MB+M | Average MAE: 0.261 S-Measure: 0.506 max E-measure: 0.552 |
| video-salient-object-detection-on-davsod-2 | MB+M | Average MAE: 0.251 S-Measure: 0.492 max E-measure: 0.635 |
| video-salient-object-detection-on-fbms-59 | MB+M | AVERAGE MAE: 0.206 MAX F-MEASURE: 0.487 S-Measure: 0.609 |
| video-salient-object-detection-on-mcl | MB+M | AVERAGE MAE: 0.178 MAX E-MEASURE: 0.733 S-Measure: 0.539 |
| video-salient-object-detection-on-segtrack-v2 | MB+M | AVERAGE MAE: 0.146 S-Measure: 0.618 max E-measure: 0.778 |
| video-salient-object-detection-on-uvsd | MB+M | Average MAE: 0.169 S-Measure: 0.563 max E-measure: 0.668 |
| video-salient-object-detection-on-visal | MB+M | Average MAE: 0.129 S-Measure: 0.726 max E-measure: 0.832 |
| video-salient-object-detection-on-vos-t | MB+M | Average MAE: 0.158 S-Measure: 0.661 max E-measure: 0.698 |