计算机视觉算法分享。问题或建议，请文章私信或者文章末尾扫码加微信留言。

1 论文题目

• 面向显著目标检测的注意区域空间金字塔池网络

2 论文摘要

• 显著目标检测（SOD）的最新进展主要依赖于空间空间金字塔池（ASPP）模块进行多尺度学习。直观地看，不同的输入图像、不同的像素和不同的网络层可能对不同的特征尺度有不同的偏好。然而，ASPP通过一个简单的和操作将所有特征尺度视为同等重要的尺度。为此，我们提出了在ASPP的每个分支上添加一个新的立方信息嵌入注意（CIEA）模块的注意性空间金字塔池（A2SPP）。这样，3D特征图中的每个位置都可以自动学习它所喜欢的特征尺度。具体来说，CIEA由空间嵌入通道注意（SECA）和通道嵌入空间注意（CESA）组成。在计算另一个维度的注意力时，SECA/CESA尝试将空间/通道信息分别嵌入到空间/通道信息中。此外，CIEA同时学习每个3D位置的SECA和CESA，而不是之前单独计算每个2D位置的通道和空间注意。结合A2SPP和CIEA，所提出的A2SPPNet的性能优于以前最先进的SOD方法。

3 论文创新点

• 提出了A2SPP模块，采用ASPP [32]的每个分支的CIEA模块，实现特征尺度的自动选择，以实现更好的多尺度学习。
• 设计CIEA模块学习三维注意图，该模块由SECA和CESA子模块组成，分别对通道和空间注意计算引入空间和通道信息依赖性。
• 使用所提出的A2SPP和CIEA模块构建一个简单的A2SPPNet，从而实现了对SOD的最先进的性能。

4 论文架构

5 不足之处

• 由于我们的方法不是神谕的，所以它也有一些失败的例子。我们在图6中展示了我们的方法的一些失效预测。从我们身上可以看出，我们的对不明显的突出物体和微小物体的处理方法可能会失败。我们认为，这些场景对其他SOD方法也非常具有挑战性。因此，要走向理想的SOD溶液还有很长的路要走。

6 未来展望

• 无

7 论文地址

• https://ieeexplore.ieee.org/abstract/document/9678052

8 论文代码

• 无

计算机视觉最新进展-Sora

• 尽管Sora目前尚未向公众开放，但据悉，它可能首先向OpenAI的付费用户提供，如ChatGPT Plus用户（升级 ChatGPT Plus 的教程）。Sora的推出将极大地简化视频创作流程，并提供前所未有的高效性和便利性。如果您有兴趣了解如何使用Sora，可关注官方网站获取最新信息。
• 具体Sora介绍和ChatGPT4 升级教程
• 如有其他疑问可以加以下微信二维码联系
  
• 更多计算机视觉最新最先进算法请扫描关注以下公众号
  -