基于置信度门控与方向性推理的RGB-T显著目标检测网络CDRNet

《Scientific Reports》：Reliability gated cross-modal attention with shear reparameterized directional reasoning for RGB-thermal salient object detection

　　RGB-T（热红外-可见光）显著目标检测旨在定位显著区域，因为仅凭外观线索往往不足以完成检测，而热辐射即使在光照不良的条件下依然能提供有效信息。然而，目前仍存在两个局限性：跨模态注意力机制的强度是预先固定的，因此某一时段无信息的模态流仍然会全量参与贡献；方向性推理仅限于两个图像轴向，因为对角线覆盖需要使用二次复杂度成本的密集亲和图。我们提出CDRNet（置信度与方向性推理网络），该网络采用双ResNet-50编码器结构。跨模态注意力机制采用可靠性门控：根据每个模态的空间熵和梯度能量估算系数，通过门控残差缩放传递的上下文信息，注意力尺度则由池化后的模态嵌入之间的余弦差异导出，使得锐度跟随语义差距而非固定常量变化，当输入均衡时可恢复对称融合。方向性推理采用剪切重参数化：环形剪切将每条对角线映射到某个轴上，使单一轴向算子以线性而非二次复杂度覆盖四个方向，逐像素门控暴露学习到的各向异性，共享权重的第二阶段在无额外参数的情况下进一步精炼结果。边界门控解码器通过乘性调制将边缘证据回传至表示层，并在辅助监督下工作，其跨尺度聚合器在每个分支下以依赖上下文的权重混合两种膨胀率。在VT821、VT1000和VT5000数据集上，CDRNet的S-measure值分别为0.908、0.949和0.918，在各项指标上均优于19种近期方法，消融实验也逐一验证了各组件的贡献。