近期，信息与通信工程学院光信息处理研究室关于《Deep Light-Field-Driven Saliency Detection from a Single View》的研究成果被2019年“国际人工智能联合会议”（IJCAI 2019）录用。该研究成果由信息与通信工程学院的朴永日副教授、卢湖川教授等人共同完成。IJCAI是中国计算机学会（CCF）列为A类的人工智能领域顶级国际会议，今年论文录用率为17.89%。该项研究成果首次将深度学习理论和4D光场技术相结合，不仅有效解决了显著性检测技术在复杂场景下普遍存在的技术难题，同时也填补了深度学习方法在光场显著性检测领域的技术空白。此外，该项研究成果公开了目前最大的光场显著性检测的多模态数据库，为深度学习的训练提供了充分的数据支持，使得深度学习在光场显著性检测领域的进一步应用提供了更好的发展空间。

具体而言，该项研究成果为显著性目标检测提供了一种新的解决思路，将显著性检测分为光场合成及光场显著性检测两个子任务，并提出了基于深度学习的光场显著性检测网络框架。该工作首先将单视角图像通过CNN学习合成光场多视角图像，提取多视角图像所包含的丰富几何特征，在对比度低、低光照、纹理复杂、物体透明等复杂场景下进行准确有效的显著性检测。与此同时，通过注意力机制有效结合不同视角下显著性物体的协同信息，解决了单视角显著性检测精度有限的技术瓶颈。值得一提的是该方法只需单视角图像即可自动生成高质量的光场多视角图像，其显著性检测结果在复杂场景下保持了很高的准确率和鲁棒性。