論文の概要: PlantCamo: Plant Camouflage Detection

• arxiv url: http://arxiv.org/abs/2410.17598v1
• Date: Wed, 23 Oct 2024 06:51:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-24 13:55:51.457409
• Title: PlantCamo: Plant Camouflage Detection
• Title（参考訳）: PlantCamo: 植物カモフラージュ検出
• Authors: Jinyu Yang, Qingwei Wang, Feng Zheng, Peng Chen, Aleš Leonardis, Deng-Ping Fan,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 60.685139083469956
• License:
• Abstract: Camouflaged Object Detection (COD) aims to detect objects with camouflaged properties. Although previous studies have focused on natural (animals and insects) and unnatural (artistic and synthetic) camouflage detection, plant camouflage has been neglected. However, plant camouflage plays a vital role in natural camouflage. Therefore, this paper introduces a new challenging problem of Plant Camouflage Detection (PCD). To address this problem, we introduce the PlantCamo dataset, which comprises 1,250 images with camouflaged plants representing 58 object categories in various natural scenes. To investigate the current status of plant camouflage detection, we conduct a large-scale benchmark study using 20+ cutting-edge COD models on the proposed dataset. Due to the unique characteristics of plant camouflage, including holes and irregular borders, we developed a new framework, named PCNet, dedicated to PCD. Our PCNet surpasses performance thanks to its multi-scale global feature enhancement and refinement. Finally, we discuss the potential applications and insights, hoping this work fills the gap in fine-grained COD research and facilitates further intelligent ecology research. All resources will be available on https://github.com/yjybuaa/PlantCamo.
• Abstract（参考訳）: カモフラージュされたオブジェクト検出(COD)は、キャモフラージュされた特性を持つオブジェクトを検出することを目的としている。 これまでの研究では、自然(動物や昆虫)と非自然(人工的、合成的な)カモフラージュ検出に焦点が当てられていたが、植物カモフラージュは無視されている。 しかし、植物カモフラージュは天然カモフラージュにおいて重要な役割を担っている。 そこで本研究では,植物カモフラージュ検出(PCD)の課題について紹介する。 この問題に対処するため,自然の場面で58の対象カテゴリを表すカモフラージュ植物を含む1,250枚の画像からなるPlantCamoデータセットを紹介した。 植物カモフラージュ検出の現状を明らかにするため,提案したデータセット上で20以上の最先端CODモデルを用いた大規模ベンチマークを行った。 植物カモフラージュの特徴として,穴や不規則境界などの特徴から,PCD専用のPCNetという新しいフレームワークを開発した。 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。 最後に、この研究がCOD研究のギャップを埋め、よりインテリジェントな生態学研究を促進することを願って、潜在的な応用と洞察について議論する。 すべてのリソースはhttps://github.com/yjybuaa/PlantCamo.comで入手できる。

関連論文リスト

• 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)
• Push Past Green: Learning to Look Behind Plant Foliage by Moving It [19.36396157137122]
  部分的な可視性、極端に粗い構造、植物のための未知の幾何学と力学は、そのような操作を困難にしている。 SRPNetは、特定の植物に対する候補アクションの実行時に、どの空間が露呈しているかを予測するニューラルネットワークである。 SRPNetは、どれだけの空間が露光されるかだけでなく、どこで露光されるかも予測するだけでなく、植物の葉の下のより多くの空間を徐々に明らかにする一連の行動を実行することができる。
  論文  参考訳（メタデータ） (2023-07-06T17:55:28Z)
• 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)
• CCA: Exploring the Possibility of Contextual Camouflage Attack on Object Detection [16.384831731988204]
  対象検出器の性能に影響を及ぼすためのコンテキストカモフラージュ攻撃(CCA)アルゴリズムを提案する。 本稿では,フォトリアリスティック・シミュレートされた環境における進化的探索戦略と対向機械学習の相互作用について述べる。 提案されたカモフラージュは、最先端の物体検出器の多くに有効であることが検証されている。
  論文  参考訳（メタデータ） (2020-08-19T06:16:10Z)

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。