基于扩散模型的显著性物体检测

基于扩散模型的显著性物体检测

摘要

显著性目标检测（SOD）通过模拟人类视觉系统，快速提取图像中的关键区域，广泛应用于图像编辑、医学分析和体育视频。传统方法依赖低级特征，深度学习虽提升性能，但复杂场景下仍存在挑战。本文提出基于扩散模型的SOD框架，利用去噪任务生成高质量掩码，创新性地结合SwinB编码器、CBAM特征融合模块和AFIM交互模块，显著提升检测精度，为SOD任务开辟新范式。