Analysis of saliency detection in 360-degree video

【深刻理解】2018ECCV--全景视频的显著性检测

• • 基本概述
    • 球面空间中的卷积操作
    • 在全景图像中实施的卷积方法
    • 基于球面结构的U-net网络
    • 优化目标函数

论文获取地址： Saliency Detection in 360° Video

简单介绍

这是一篇刊登于ECCV2018会议的论文。研究者成功完成了对全景视频中显著性区域的识别工作。什么是显著性检测？众所周知，全景视频所覆盖的视角范围为360度乘以180度（即一个完整的球体），但实际通过头戴式设备观看时，用户所能看到的视野范围（FoV）通常仅为70度至80度之间。显著性检测的核心目标是预测观众在观看全景视频过程中最可能关注的区域。

在全景图像显著性检测过程中，提取全景视频的特征是关键环节。全景视频作为一种具有“球形、三维”特性的数据形式，在存储时通常需要将其投影到平面，并以常见的jpg等格式进行保存。投影方式多种多样，本文聚焦于应用最为广泛的一种方式——等角矩形投影（ERP）。

如图Fig.1所示，左侧展示的是未经处理的一张原始全景图像，右侧则是经过等角矩形投影后的图像。该投影方式将球面中的