1. Deep Unsupervised Saliency Detection: A Multiple Noisy Labeling Perspective
Jing Zhang1,2, Tong Zhang2,3, Yuchao Dai†1, Mehrtash Harandi2,3, and Richard Hartley2
1 中国西北工业大学，戴玉超教授； 2 澳大利亚国立大学 ；
大概思路：
（1）一方面，当前的深度显著性检测模型的成功，依赖于监督的方式，这种方式是带来了数据标注的费时费力，且泛化能力差；另一方面，传统的基于无监督方法手工提取特征，虽然性能不及有监督深度学习方法，但她独立于数据集，且泛化能力较强。
（2）所以该论文提出了一个端对端的无监督显著性检测模型，该模型包含两个模块，一个模块是潜在的显著性检测模块，一个模块是噪声建模模块。第一个模块强力的FCN网络负责性能，第二个模块使用传统的无监督方法生成噪声显著图，通过使用该噪声显著图，解决数据标注费时费力的问题。
（3）该模型有三个关键因素：
1）噪声显著图（noise saliency map）由传统的无监督手工提特征得到的噪声显著图；
2）潜在显著图（latent saliency map），由FCN神经网络生成；
3）噪声图，符合零均值高斯分布图。
噪声显著图，视为是潜在显著图与噪声图之和，并建模如下：假如给定FCN的参数，给定噪声图，输入一个图像，则有：
$$ \hat {y}_i^j = f(x_i; \theta) + n_i^j = \overline {y}_i + n_i^j $$
其中FCN的参数，和噪声图并不是给定的，所以需要定义损失函数去拟合，损失函数分为两部分：
$$ L(\theta, \sum) = L_{pred} (\theta, \sum) + \lambda L_{noise} (\theta, \sum) $$
左边部分使用交叉熵损失函数，右边部分使用KL距离为损失函数。优化参数，使得总的损失值最小。
想法：该方法贡献在于方法是一种深度学习模型，但能做到无监督。
2. A Bi-directional Message Passing Model for Salient Object Detection
Lu Zhang1, Ju Dai1, Huchuan Lu1, You He2, Gang Wang3
1 中国大连理工大学，卢湖川；2 海军航空大学；3 阿里巴巴 AILabs
思路：最近显著性目标检测因为使用FCN网络取得了较好的性能。包含在多级别卷积特征中的显著线索（saliency cues）对检测显著目标有一定的帮助。但是如何整合这些多级别特征，是显著性检测领域的一个公开问题。
所以，改论文提出一个新的双向消息传递模型，来整合这些多级别特征。模型的具体描述：
（1）输入彩色图像到修改后的VGG16网络中，依次生成多级别特征图，这些特征图可以捕获显著目标的不同信息，该VGG16去掉了全连接层，去掉最后一个池化层，使其如上图，由5部分组成；
（2）使用MCFEM模块，依次作用于不同的多级别特征图，提取多级别情景特征；
（3）使用GBMPM模块，整合上面生成的多级别情景特征图，生成多个融合的多级别特征图；
（4）使用这些融合的多级别特征图，依次生成不同分辨率的显著图；
（5）融合多级别预测结果，生成最终显著图。
总结：这篇论文利用了每一个卷积得到的特征，作为不用视野下的特征表示，不是简单的平均，而是自适应的融合不同级别的特征图。
3. Cube Padding forWeakly-Supervised Saliency Prediction in 360◦ Videos
Hsien-Tzu Cheng1, Chun-Hung Chao1, Jin-Dong Dong1, Hao-Kai Wen2, Tyng-Luh Liu3, Min Sun1
1国立清华大学；2Taiwan AI Labs；3中国研究院
思路：
（1）360度视频显著性检测技术是360度视频的视点引导应用的关键技术，360视频捕获了场景中所有角度的视觉内容。将360度视频进行equirectangular projection，映射成equirectangular图像，将会产生形变和带来图像边界（360视频是没有图像边界的），两者都会网络学习变难。而将360度视频分成多个分开的透视图，虽然可以避免形变，但带来了更多的图像边界。
（2）作者将360度视频分成许多个重叠的透视图，然而太多的透视图会明显降低预测处理速度，所以该论文对现存的CNN网络做了简单的修改，来克服这个挑战。
（3）具体解决办法：将360度视频帧映射为立方体的六个面，然后利用立方体各个面之间的连接性，把六个面拼接起来，喂到网络中。
搬砖时间到了，待续。。。