論文の概要: Camouflaged Image Synthesis Is All You Need to Boost Camouflaged Detection

• arxiv url: http://arxiv.org/abs/2308.06701v1
• Date: Sun, 13 Aug 2023 06:55:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-15 15:54:57.352844
• Title: Camouflaged Image Synthesis Is All You Need to Boost Camouflaged Detection
• Title（参考訳）: カモフラージュ画像合成は、カモフラージュ画像検出の強化に必要なもの
• Authors: Haichao Zhang, Can Qin, Yu Yin, Yun Fu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 65.8867003376637
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Camouflaged objects that blend into natural scenes pose significant challenges for deep-learning models to detect and synthesize. While camouflaged object detection is a crucial task in computer vision with diverse real-world applications, this research topic has been constrained by limited data availability. We propose a framework for synthesizing camouflage data to enhance the detection of camouflaged objects in natural scenes. Our approach employs a generative model to produce realistic camouflage images, which can be used to train existing object detection models. Specifically, we use a camouflage environment generator supervised by a camouflage distribution classifier to synthesize the camouflage images, which are then fed into our generator to expand the dataset. Our framework outperforms the current state-of-the-art method on three datasets (COD10k, CAMO, and CHAMELEON), demonstrating its effectiveness in improving camouflaged object detection. This approach can serve as a plug-and-play data generation and augmentation module for existing camouflaged object detection tasks and provides a novel way to introduce more diversity and distributions into current camouflage datasets.
• Abstract（参考訳）: 自然界に溶け込むカモフラージュされた物体は、ディープラーニングモデルの検出と合成に重大な課題をもたらす。 カモフラージュされたオブジェクト検出は、様々な現実世界のアプリケーションでコンピュータビジョンにおいて重要な課題であるが、この研究は限られたデータ可用性に制約されている。 本研究では, カモフラージュデータを合成し, 自然場面におけるカモフラージュ物体の検出性を高めるための枠組みを提案する。 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。 具体的には, カモフラージュ分布分類器が監視するカモフラージュ環境生成器を用いてカモフラージュ画像を合成し, 生成器に供給してデータセットを拡大する。 本フレームワークは,3つのデータセット(COD10k,CAMO,CHAMELEON)上での最先端の手法よりも優れており,カモフラージュされた物体検出の改善に有効であることを示す。 このアプローチは、既存のカモフラージュオブジェクト検出タスクのためのプラグアンドプレイデータ生成および拡張モジュールとして機能し、現在のカモフラージュデータセットにより多くの多様性と分散を導入する新しい方法を提供する。

関連論文リスト

• PlantCamo: Plant Camouflage Detection [60.685139083469956]
  本稿では,植物カモフラージュ検出(PCD)の課題を紹介する。 この問題に対処するため,カモフラージュ植物を用いた1,250枚の画像からなるPlantCamoデータセットを導入した。 提案したデータセット上で20以上の最先端CODモデルを用いて大規模なベンチマーク研究を行う。 マルチスケールのグローバル機能拡張と改良により,PCNetはパフォーマンスを上回りました。
  論文  参考訳（メタデータ） (2024-10-23T06:51:59Z)
• CoFiNet: Unveiling Camouflaged Objects with Multi-Scale Finesse [46.79770062391987]
  本稿では,CoFiNetというカモフラージュ物体検出手法を提案する。 提案手法は,マルチスケールな特徴融合と抽出に重点を置いており,特にモデルのセグメンテーションの有効性に注目している。 CoFiNetは、すべてのデータセットで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-02-03T17:24:55Z)
• 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)
• Unveiling Camouflage: A Learnable Fourier-based Augmentation for Camouflaged Object Detection and Instance Segmentation [27.41886911999097]
  本稿では,camouflaged object detection (COD) とcamouflaged instance segmentation (CIS) の学習可能な拡張法を提案する。 提案手法は,カモフラージュされた対象検出器とカモフラーグされたインスタンスセグメンタの性能を大きなマージンで向上させる。
  論文  参考訳（メタデータ） (2023-08-29T22:43:46Z)
• CamDiff: Camouflage Image Augmentation via Diffusion Model [83.35960536063857]
  CamDiffは、カモフラージュされたシーンで透明なオブジェクトを合成するための新しいアプローチだ。 我々は,潜伏拡散モデルを用いて,カモフラージュされたシーンで有能な物体を合成する。 当社のアプローチでは、フレキシブルな編集と大規模データセットの効率的な生成を低コストで実現している。
  論文  参考訳（メタデータ） (2023-04-11T19:37:47Z)
• 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)
• 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。