論文の概要: A Survey of Camouflaged Object Detection and Beyond

• arxiv url: http://arxiv.org/abs/2408.14562v1
• Date: Mon, 26 Aug 2024 18:23:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-28 17:40:47.432800
• Title: A Survey of Camouflaged Object Detection and Beyond
• Title（参考訳）: カモフラージュによる物体検出の実態調査
• Authors: Fengyang Xiao, Sujie Hu, Yuqi Shen, Chengyu Fang, Jinfa Huang, Chunming He, Longxiang Tang, Ziyun Yang, Xiu Li,
• Abstract要約: カモフラージュオブジェクト検出(カモフラーゲオブジェクト検出、COD)は、周囲にシームレスに結合したオブジェクトを識別し、セグメント化するタスクである。 近年、CODは監視、野生生物保護、自律システムなどへの応用の可能性から、広く注目を集めている。 本稿では、画像レベルとビデオレベルの両方のソリューションを含む、4つの領域にわたる様々なCOD手法について検討する。
• 参考スコア（独自算出の注目度）: 19.418542867580374
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Camouflaged Object Detection (COD) refers to the task of identifying and segmenting objects that blend seamlessly into their surroundings, posing a significant challenge for computer vision systems. In recent years, COD has garnered widespread attention due to its potential applications in surveillance, wildlife conservation, autonomous systems, and more. While several surveys on COD exist, they often have limitations in terms of the number and scope of papers covered, particularly regarding the rapid advancements made in the field since mid-2023. To address this void, we present the most comprehensive review of COD to date, encompassing both theoretical frameworks and practical contributions to the field. This paper explores various COD methods across four domains, including both image-level and video-level solutions, from the perspectives of traditional and deep learning approaches. We thoroughly investigate the correlations between COD and other camouflaged scenario methods, thereby laying the theoretical foundation for subsequent analyses. Beyond object-level detection, we also summarize extended methods for instance-level tasks, including camouflaged instance segmentation, counting, and ranking. Additionally, we provide an overview of commonly used benchmarks and evaluation metrics in COD tasks, conducting a comprehensive evaluation of deep learning-based techniques in both image and video domains, considering both qualitative and quantitative performance. Finally, we discuss the limitations of current COD models and propose 9 promising directions for future research, focusing on addressing inherent challenges and exploring novel, meaningful technologies. For those interested, a curated list of COD-related techniques, datasets, and additional resources can be found at https://github.com/ChunmingHe/awesome-concealed-object-segmentation
• Abstract（参考訳）: カモフラーゲ型物体検出(COD)は、周囲にシームレスに溶け込んだ物体を識別・分断する作業であり、コンピュータビジョンシステムにとって重要な課題である。 近年、CODは監視、野生生物保護、自律システムなどへの応用の可能性から、広く注目を集めている。 CODに関するいくつかの調査は存在するが、特に2023年半ば以降の分野における急速な進歩に関して、対象論文の数と範囲に制限があることが多い。 この空白に対処するために、我々は、理論的な枠組みと分野への実践的な貢献の両方を含む、これまでで最も包括的なCODのレビューを提示する。 本稿では,従来の学習手法と深層学習手法の観点から,画像レベルと映像レベルの両方のソリューションを含む4つの領域にわたるCOD手法について検討する。 我々は,CODと他のキャモフラージュシナリオ手法の相関関係を徹底的に検討し,その後の分析の理論的基礎を定めている。 オブジェクトレベルの検出以外にも、camouflagedインスタンスセグメンテーション、カウント、ランキングなど、インスタンスレベルのタスクの拡張メソッドを要約します。 さらに,CODタスクでよく使われるベンチマークと評価指標の概要を述べるとともに,画像領域とビデオ領域の両方において,定性および定量的性能を考慮したディープラーニング技術に関する総合的な評価を行う。 最後に,現在のCODモデルの限界について論じ,今後の研究に期待できる9つの方向を提案し,本質的な課題に対処し,新規で有意義な技術を探究する。 COD関連のテクニックやデータセット、その他のリソースのキュレートされたリストは、https://github.com/ChunmingHe/awesome-concealed-object-segmentationで見ることができる。

関連論文リスト

• Deep Learning for Video Anomaly Detection: A Review [52.74513211976795]
  ビデオ異常検出(VAD)は、ビデオの正常性から逸脱する行動や事象を発見することを目的としている。 ディープラーニングの時代には、VADタスクには、さまざまなディープラーニングベースの方法が常に現れています。 このレビューでは、半教師付き、弱教師付き、完全教師付き、非教師付き、オープンセットの5つのカテゴリのスペクトルについて取り上げる。
  論文  参考訳（メタデータ） (2024-09-09T07:31:16Z)
• Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
  ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。 また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
  論文  参考訳（メタデータ） (2024-05-13T14:44:22Z)
• Few-Shot Object Detection: Research Advances and Challenges [15.916463121997843]
  Few-shot Object Detection (FSOD)は、少数の学習技術とオブジェクト検出技術を組み合わせて、注釈付きサンプルに制限のある新しいオブジェクトに迅速に適応する。 本稿では,近年のFSOD分野の進歩を概観する包括的調査を行う。
  論文  参考訳（メタデータ） (2024-04-07T03:37:29Z)
• Large Model Based Referring Camouflaged Object Detection [51.80619142347807]
  Referring camouflaged object detection (Ref-COD)は、テキストまたはビジュアル参照にマッチした特定のcamouflaged objectを分割することを目的とした、最近提案された問題である。 我々のモチベーションは、最近のMLLM(Multimodal Large Language Models)のセマンティックインテリジェンスと本質的な知識をフル活用して、この複雑なタスクを人間的な方法で分解することである。 MLKGと呼ばれるRef-CODのための大規模モデルベースマルチレベル知識誘導型マルチモーダル手法を提案する。
  論文  参考訳（メタデータ） (2023-11-28T13:45:09Z)
• When Super-Resolution Meets Camouflaged Object Detection: A Comparison Study [135.19004496785408]
  Super Resolution (SR) と Camouflaged Object Detection (COD) は、コンピュータビジョンにおける様々なジョイントアプリケーションとのホットトピックである。 我々は、一般的なCODデータセット上で異なる超解像法をベンチマークする。 SR法により処理されたCODデータを用いて,異なるCODモデルのロバスト性を評価する。
  論文  参考訳（メタデータ） (2023-08-08T16:17:46Z)
• Recent Advances in Embedding Methods for Multi-Object Tracking: A Survey [71.10448142010422]
  マルチオブジェクトトラッキング(MOT)は、動画フレーム全体で対象物を関連付け、移動軌道全体を取得することを目的としている。 埋め込み法はMOTにおける物体の位置推定と時間的同一性関連において重要な役割を担っている。 まず 7 つの異なる視点からMOT への埋め込み手法の奥行き解析による包括的概要を述べる。
  論文  参考訳（メタデータ） (2022-05-22T06:54:33Z)
• Deep Learning on Monocular Object Pose Detection and Tracking: A Comprehensive Overview [8.442460766094674]
  オブジェクトのポーズ検出と追跡は、自律運転、ロボット工学、拡張現実など、多くの分野で広く応用されているため、注目を集めている。 ディープラーニングは、他のものよりも優れたパフォーマンスを示した最も有望なものです。 本稿では,ディープラーニング技術経路に属するオブジェクトのポーズ検出と追跡の最近の進歩を概観する。
  論文  参考訳（メタデータ） (2021-05-29T12:59:29Z)
• Concealed Object Detection [140.98738087261887]
  隠蔽物体検出(COD)に関する最初の体系的研究を紹介します。 CODは、背景に「完全に」埋め込まれているオブジェクトを特定することを目指しています。 このタスクをより理解するために、cod10kと呼ばれる大規模なデータセットを収集します。
  論文  参考訳（メタデータ） (2021-02-20T06:49:53Z)

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。