摘要:RGB-D显著性目标检测因其有效性和易于捕捉深度线索而受到越来越多的关注。现有的工作通常侧重于通过各种 融合策略学习共享表示，少有方法明确考虑如何维持RGB 和深度的模态特征。提出了一种跨模态特征融合网络，该网络维 持RGB-D显著目标检测的RGB 和深度的模态，通过探索共享信息以及RGB 和深度模态的特性来提高显著检测性能。具体 来说，采用RGB 模态、深度模态网络和一个共享学习网络来生成RGB 和深度模态显著性预测图以及共享显著性预测图。提 出了一种跨模态特征融合模块，用于融合共享学习网络中的跨模态特征，然后将这些特征传播到下一层以整合跨层次信息。 此外，提出了一种多模态特征聚合模块，将每个单独解码器的模态特定特征整合到共享解码器中，这可以提供丰富的互补多 模态信息来提高显著性检测性能。最后，使用跳转连接来组合编码器和解码器层之间的分层特征。通过在4个基准数据集 上与7种先进方法进行的实验表明，方法优于其他最先进的方法。