論文の概要: Coevolution of Camouflage

• arxiv url: http://arxiv.org/abs/2304.11793v1
• Date: Mon, 24 Apr 2023 02:36:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-25 16:16:47.823431
• Title: Coevolution of Camouflage
• Title（参考訳）: カモフラージュの共進化
• Authors: Craig Reynolds
• Abstract要約: 自然界のカモフラージュは捕食者と獲物との競争から生じているようである。 この研究は、その敵対関係の抽象的なモデルをシミュレートする。 それは、進化する捕食者の視覚と競合する、獲物のカモフラージュパターンの進化を通して、クリーププシスを観察する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Camouflage in nature seems to arise from competition between predator and prey. To survive, predators must find prey, and prey must avoid being found. This work simulates an abstract model of that adversarial relationship. It looks at crypsis through evolving prey camouflage patterns (as color textures) in competition with evolving predator vision. During their "lifetime" predators learn to better locate camouflaged prey. The environment for this 2D simulation is provided by a set of photographs, typically of natural scenes. This model is based on two evolving populations, one of prey and another of predators. Mutual conflict between these populations can produce both effective prey camouflage and predators skilled at "breaking" camouflage. The result is an open source artificial life model to help study camouflage in nature, and the perceptual phenomenon of camouflage more generally.
• Abstract（参考訳）: 自然界のカモフラージュは捕食者と獲物との競争から生じているようである。 生き残るためには捕食者は獲物を見つけなければならず、獲物は発見されないようにしなければならない。 この研究は、その敵対関係の抽象モデルをシミュレートする。 進化する捕食者視覚と競合して、獲物の迷彩パターン(色のテクスチャ)を進化させ、クライプシを見る。 その「終生」捕食者は、カモフラージュした獲物をよりよく見つけることを学ぶ。 この2Dシミュレーションの環境は、通常、自然のシーンの一連の写真によって提供される。 このモデルは、獲物と捕食者の2つの進化した個体群に基づいている。 これらの集団間の相互の対立は、効果的な捕食カモフラージュと「破壊」カモフラージュに熟練した捕食者の両方を生み出すことができる。 その結果、自然のカモフラージュや、カモフラージュの知覚現象をより一般的に研究するための、オープンソースの人工生命モデルが生まれました。

関連論文リスト

• CNCA: Toward Customizable and Natural Generation of Adversarial Camouflage for Vehicle Detectors [19.334642862951537]
  既訓練拡散モデルを利用したCNCA(Customizable and Natural Camouflage Attack)を提案する。 本手法は,攻撃性能を維持しつつ,自然かつカスタマイズ可能な対向カモフラージュを生成することができる。
  論文  参考訳（メタデータ） (2024-09-26T15:41:18Z)
• 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)
• Predator-prey survival pressure is sufficient to evolve swarming behaviors [22.69193229479221]
  混合協調競合型マルチエージェント強化学習に基づく最小限の捕食者・捕食者共進化フレームワークを提案する。 驚くべきことに、我々のこのアプローチの分析は、獲物と捕食者の両方にとって予期せぬほど多様な行動を示す。
  論文  参考訳（メタデータ） (2023-08-24T08:03:11Z)
• 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)
• 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)
• Florida Wildlife Camera Trap Dataset [48.99466876948454]
  フロリダ州南西部の2つの異なる場所から収集された野生生物カメラトラップ分類データセットについて紹介する。 データセットは104,495枚の画像からなり、視覚的に類似した種、様々な照明条件、スキュードクラス分布、絶滅危惧種のサンプルを含む。
  論文  参考訳（メタデータ） (2021-06-23T18:53:15Z)
• To mock a Mocking bird : Studies in Biomimicry [0.342658286826597]
  本稿では,バイオミミクリーにおけるゲーム理論の新たな研究について述べる。 このモデルを用いて,事前情報ゼロのマルチアームバンディット捕食者が生態系に導入される状況を研究する。
  論文  参考訳（メタデータ） (2021-04-26T09:55:40Z)
• Simultaneously Localize, Segment and Rank the Camouflaged Objects [55.46101599577343]
  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。
  論文  参考訳（メタデータ） (2021-03-06T02:53:36Z)

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。