ECCV 2024 | 通过潜在扩散进行数据增强以实现显著性预测

论文信息

题目：Data Augmentation via Latent Diffusion for Saliency Prediction

通过潜在扩散进行数据增强以实现显著性预测

作者：Bahar Aydemir, Deblina Bhattacharjee, Tong Zhang, Mathieu Salzmann, and Sabine Susstrunk

源码：https://github.com/IVRL/Augsal

论文创新点

1. 显著性引导的交叉注意力机制：作者引入了一种显著性引导的交叉注意力机制，该机制能够在特定图像区域内进行有针对性的光度属性编辑，从而增强该区域的显著性。
2. 多级特征读出模块：作者设计了多级特征读出（LLFR和HLFR）模块，这些模块能够从预训练的Stable Diffusion模型中提取低级和高级特征，用于生成图像编辑和预测显著性。