通过 Transformer 学习局部—全局表征用于基于涂鸦标注的 RGB-D 显著性目标检测

基于摘要分析。本文研究基于涂鸦标注的 RGB-D 显著性目标检测（SOD），提出结合多尺度、多模态信息的局部—全局表征学习框架，旨在缓解稀疏标注和局部特征难以覆盖完整目标上下文、导致杂乱区域预测不准确的问题。研究对象是 RGB 图像与深度图中的显著目标，并非 EEG 或 BCI。 框架包含三个模块：Local Representation Aggregation（LRA）整合从 RGB 图像和深度图提取的多尺度、多模态局部表征；Global Representation Initialization（GRI）学习图像间及图像内表征，从不同角度捕获显著区域的全局上下文；Dual Transformer Decoder（DTD）通过双 Transformer 架构交替更新局部与全局表征。其方法重点是在不完整涂鸦监督下补充全局上下文，而非仅依靠语义、边缘或结构损失区分前景与背景；具体损失、训练流程和交替更新实现尚未验证。 作者报告，在六个 benchmark 上，该方法相较现有基于涂鸦标注的 RGB-D SOD 方法表现有利，并可与全监督方法竞争。摘要未提供 benchmark 名称、数据划分、指标数值及具体对照配置，因此不能量化优势，也不能据此认定其达到全监督性能。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：可迁移的机制假设是，以全局上下文补充稀疏监督下的局部表征；其原始实现依赖配对 RGB—深度输入和图像空间结构，不能直接用于 EEG。若用于稀疏标注 EEG 事件识别，需将局部聚合改为时段与通道特征建模，并重新定义跨样本全局关联；低信噪比、跨被试差异、通道布局变化和小数据可能使全局关联捕获伪相关。一个可证伪的小实验是在固定跨被试划分与相同标注预算下，对比局部基线和加入全局交互的模型，检验收益是否在不同标注稀疏程度下保持。已有 EEG 相关工作尚未检索确认。