論文の概要: Simultaneously Localize, Segment and Rank the Camouflaged Objects
- arxiv url: http://arxiv.org/abs/2103.04011v1
- Date: Sat, 6 Mar 2021 02:53:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-10 03:25:25.759776
- Title: Simultaneously Localize, Segment and Rank the Camouflaged Objects
- Title（参考訳）: カモフラージュオブジェクトの同時位置決め、セグメンテーション、ランク付け
- Authors: Yunqiu Lyu and Jing Zhang and Yuchao Dai and Aixuan Li and Bowen Liu
and Nick Barnes and Deng-Ping Fan
- Abstract要約: camouflaged object detectionは、周囲に隠されているcamouflaged objectsを分割することを目的としている。
私たちは、カモフラージュされた物体の目立ちを特定の背景に明確にモデル化することは、カモフラージュと動物の進化をよりよく理解するのに役立つと主張しています。
迷彩オブジェクトを同時にローカライズ、セグメント化、ランク付けする最初のランキングベースのCODネットワーク(Rank-Net)を紹介します。
- 参考スコア（独自算出の注目度）: 55.46101599577343
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Camouflage is a key defence mechanism across species that is critical to
survival. Common strategies for camouflage include background matching,
imitating the color and pattern of the environment, and disruptive coloration,
disguising body outlines [35]. Camouflaged object detection (COD) aims to
segment camouflaged objects hiding in their surroundings. Existing COD models
are built upon binary ground truth to segment the camouflaged objects without
illustrating the level of camouflage. In this paper, we revisit this task and
argue that explicitly modeling the conspicuousness of camouflaged objects
against their particular backgrounds can not only lead to a better
understanding about camouflage and evolution of animals, but also provide
guidance to design more sophisticated camouflage techniques. Furthermore, we
observe that it is some specific parts of the camouflaged objects that make
them detectable by predators. With the above understanding about camouflaged
objects, we present the first ranking based COD network (Rank-Net) to
simultaneously localize, segment and rank camouflaged objects. The localization
model is proposed to find the discriminative regions that make the camouflaged
object obvious. The segmentation model segments the full scope of the
camouflaged objects. And, the ranking model infers the detectability of
different camouflaged objects. Moreover, we contribute a large COD testing set
to evaluate the generalization ability of COD models. Experimental results show
that our model achieves new state-of-the-art, leading to a more interpretable
COD network.
- Abstract（参考訳）: カモフラージュ(camouflage)は、生物の生存に重要な防御機構である。
カモフラージュの一般的な戦略は、背景マッチング、環境の色とパターンの模倣、破壊的な彩色、身体の輪郭 [35] である。
camouflaged object detection (cod) は、周囲に隠されているcamouflaged objectを分割することを目的としている。
既存のCODモデルは、カモフラージュのレベルを表わさずにカモフラージュされたオブジェクトをセグメント化するためにバイナリグラウンドの真実に基づいて構築されます。
本稿では,この課題を再検討し,特定の背景に対する迷彩物体の目立たないようにモデル化することで,迷彩や動物の進化についての理解を深めるだけでなく,より洗練された迷彩技術を設計するためのガイダンスも提供する。
さらに, 捕食者によって検出可能なカモフラージュ対象の特定の部分であることも観察した。
上記のカモフラージュ対象の理解により,カモフラージュ対象のローカライズ,セグメンテーション,ランク付けを同時に行う第1のランキングベースcodネットワーク(rank-net)を提案する。
局所化モデルは,カモフラージュされた対象を明確化する識別領域を見つけるために提案される。
セグメンテーションモデルは、カモフラージュされたオブジェクトの全スコープをセグメンテーションする。
そして、ランキングモデルは、異なる迷彩物体の検出可能性を推測する。
さらに,CODモデルの一般化能力を評価するために,大規模なCODテストセットを提供する。
実験結果から,本モデルが新たな最先端技術を実現し,より解釈可能なCODネットワークが実現された。
関連論文リスト
- CGCOD: Class-Guided Camouflaged Object Detection [19.959268087062217]
我々は,従来のCODタスクを拡張したCGCOD(Class-Guided Camouflaged Object Detection)を導入する。
本稿では,プラグイン・アンド・プレイのクラス・プロンプト・ジェネレータと,シンプルで効果的なクラス・ガイダンス・ディテクターを組み込んだマルチステージ・フレームワークCGNetを提案する。
これはCODの新しいパラダイムを確立し、コンテキスト理解とクラス誘導検出のギャップを埋める。
論文 参考訳（メタデータ） (2024-12-25T19:38:32Z) - Unconstrained Salient and Camouflaged Object Detection [4.698538612738126]
制約なし塩分とカモフラーゲ型オブジェクト検出 (USCOD) というベンチマークを導入する。
USCODは、その存在に関係なく、制約のないシーンで、塩分とカモフラージュされた物体の同時検出をサポートする。
この課題に対処するため,USCODのベースラインモデルであるUSCNetを提案する。
論文 参考訳（メタデータ） (2024-12-14T19:37:17Z) - The Making and Breaking of Camouflage [95.37449361842656]
背景特徴と前景特徴の類似性と境界視認性によってカモフラージュを測定することができることを示す。
提案したカモフラージュスコアを補助的損失として生成モデルに組み込んで,有効カモフラージュ画像やビデオがスケーラブルに合成可能であることを示す。
論文 参考訳（メタデータ） (2023-09-07T17:58:05Z) - Camouflaged Image Synthesis Is All You Need to Boost Camouflaged
Detection [65.8867003376637]
本研究では,カモフラージュデータの合成フレームワークを提案する。
提案手法では,既存の物体検出モデルのトレーニングに使用可能な,現実的なカモフラージュ画像の生成に生成モデルを用いる。
我々のフレームワークは3つのデータセット上で最先端の手法より優れています。
論文 参考訳（メタデータ） (2023-08-13T06:55:05Z) - Strategic Preys Make Acute Predators: Enhancing Camouflaged Object
Detectors by Generating Camouflaged Objects [107.47530456103758]
カモフラーゲ型物体検出(COD)は、カモフラーゲ型物体を視覚的に周囲に混入させる難易度の高い課題である。
我々は、捕食者がより優れたカモフラージュと捕食者を開発し、より鋭い視覚システムを取得するための獲物を誘導する獲物捕食者ゲームからインスピレーションを得ている。
内部コヒーレンスとエッジガイダンス (ICEG) と呼ばれる新しいCOD法を導入し, カモフラージュした特徴コヒーレンスモジュールを導入した。
論文 参考訳（メタデータ） (2023-08-06T17:27:08Z) - CamoFormer: Masked Separable Attention for Camouflaged Object Detection [94.2870722866853]
カモフラージュされた物体検出のための単純なマスク付き分離型注意(MSA)を提案する。
まず,マルチヘッド・セルフアテンションを3つの部分に分割し,異なるマスキング戦略を用いて,背景からカモフラージュした物体を識別する役割を担っている。
提案手法では,MSAを用いた単純なトップダウンデコーダを用いて,高精度なセグメンテーション結果を得るために,高分解能なセグメンテーション表現を段階的にキャプチャする。
論文 参考訳（メタデータ） (2022-12-10T10:03:27Z) - Towards Deeper Understanding of Camouflaged Object Detection [64.81987999832032]
バイナリセグメンテーション設定は、カモフラージュの概念を完全に理解できない。
そこで本研究では,カモフラージュされたオブジェクトの局所化,セグメント化,ランク付けを同時に行う3段階学習フレームワークを提案する。
論文 参考訳（メタデータ） (2022-05-23T14:26:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。