論文の概要: CGCOD: Class-Guided Camouflaged Object Detection

• arxiv url: http://arxiv.org/abs/2412.18977v1
• Date: Wed, 25 Dec 2024 19:38:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-30 17:28:22.617899
• Title: CGCOD: Class-Guided Camouflaged Object Detection
• Title（参考訳）: CGCOD: クラスガイド付きカモフラージュオブジェクト検出
• Authors: Chenxi Zhang, Qing Zhang, Jiayun Wu, Youwei Pang,
• Abstract要約: カモフラーゲ型物体検出(COD)は、周囲とシームレスに融合した物体を識別するように設計されている。 既存のCOD法は、しばしば視覚的特徴に依存しており、変更可能なカモフラージュ環境では十分に安定していない。 我々は,従来のCODタスクを拡張したCG-COD(Class-Guided Camouflaged Object Detection)を提案する。
• 参考スコア（独自算出の注目度）: 19.959268087062217
• License:
• Abstract: Camouflaged Object Detection (COD) is designed to identify objects that blend seamlessly with their surroundings. Due to the complexity of camouflaged objects (such as shape, color, and texture), their semantic cues are often blurred or completely lost, posing a significant challenge for COD. Existing COD methods often rely on visual features, which are not stable enough in changeable camouflage environments. This instability leads to false positives and false negatives, resulting in incomplete or inaccurate segmentation results. In this paper, to solve this problem, we propose a new task, Class-Guided Camouflaged Object Detection (CG-COD), which extends the traditional COD task by introducing object class knowledge, significantly improving the robustness and segmentation accuracy of the model in complex environments. Toward this end, we construct a dataset, CamoClass, containing the camouflaged objects in the real scenes and their corresponding class annotation. Based on this, we propose a multi-stage framework CGNet which consists of a plug-and-play class prompt generator and a class-guided detector. Under the guidance of textual information, CGNet enables efficient segmentation. It is worth emphasizing that for the first time, we extend the object class annotations on existing COD benchmark datasets, and introduce a flexible framework to improve the performance of the existing COD model under text guidance.
• Abstract（参考訳）: カモフラーゲ型物体検出(COD)は、周囲とシームレスに融合した物体を識別するように設計されている。 カモフラージュされた物体(形状、色、テクスチャなど)の複雑さのため、それらの意味的な手がかりはしばしばぼやけたり完全に失われたりしており、CODにとって大きな課題となっている。 既存のCOD法は、しばしば視覚的特徴に依存し、変更可能なカモフラージュ環境では十分に安定していない。 この不安定さは偽陽性と偽陰性をもたらし、不完全または不正確なセグメンテーション結果をもたらす。 本稿では,オブジェクトのクラス知識を導入して従来のCODタスクを拡張し,複雑な環境下でのモデルのロバスト性やセグメンテーション精度を大幅に向上させる,CG-COD(Class-Guided Camouflaged Object Detection)を提案する。 この目的のために、実際のシーンでカモフラージュされたオブジェクトとその対応するクラスアノテーションを含むデータセット、CamoClassを構築します。 そこで我々は,プラグイン・アンド・プレイのクラス・プロンプト・ジェネレータとクラス誘導検出器からなる多段階CGNetを提案する。 テキスト情報のガイダンスの下で、CGNetは効率的なセグメンテーションを可能にする。 はじめに既存のCODベンチマークデータセットのオブジェクトクラスアノテーションを拡張し、テキストガイダンスの下で既存のCODモデルのパフォーマンスを改善する柔軟なフレームワークを導入しました。

関連論文リスト

• Toward Realistic Camouflaged Object Detection: Benchmarks and Method [11.279532701331647]
  カモフラージュされたオブジェクト検出(COD)は、主にセマンティックまたはインスタンスセグメンテーション手法に依存している。 カモフラージュ検出のためのCAFR(camouflage-aware feature refinement)戦略を提案する。 CAFRは、大型モデルの以前の知識の中で、現在の物体の明確な認識を十分に利用し、背景と前景の区別を深く理解する検出器を支援する。
  論文  参考訳（メタデータ） (2025-01-13T13:04:00Z)
• 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)
• Adaptive Guidance Learning for Camouflaged Object Detection [23.777432551429396]
  本稿では,適応型誘導学習ネットワーク「textitAGLNet」を提案する。 広く使用されている3つのCODベンチマークデータセットの実験により,提案手法が大幅な性能向上を実現することが示された。
  論文  参考訳（メタデータ） (2024-05-05T06:21:58Z)
• ZoomNeXt: A Unified Collaborative Pyramid Network for Camouflaged Object Detection [70.11264880907652]
  最近のオブジェクト(COD)は、現実のシナリオでは極めて複雑で難しい、視覚的にブレンドされたオブジェクトを周囲に分割しようと試みている。 本研究では,不明瞭な画像を観察したり,ズームインしたりアウトしたりする際の人間の行動を模倣する,効果的な統合協調ピラミッドネットワークを提案する。 我々のフレームワークは、画像とビデオのCODベンチマークにおいて、既存の最先端の手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2023-10-31T06:11:23Z)
• 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)
• 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)
• Boundary-Guided Camouflaged Object Detection [20.937071658007255]
  カモフラージュ物体検出のための新しい境界誘導ネットワーク(BGNet)を提案する。 提案手法は,CODの表現学習をガイドするために,重要かつ余分なオブジェクト関連エッジセマンティクスを探索する。 提案手法は, 正確な境界位置同定を行うために, カモフラージュした物体の検出を促進する。
  論文  参考訳（メタデータ） (2022-07-02T10:48:35Z)
• 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)
• Robust Region Feature Synthesizer for Zero-Shot Object Detection [87.79902339984142]
  我々は,クラス内セマンティック・ディバージングコンポーネントとクラス間構造保存コンポーネントを含む,新しいゼロショットオブジェクト検出フレームワークを構築した。 リモートセンシング画像においてゼロショット物体検出を行う最初の研究である。
  論文  参考訳（メタデータ） (2022-01-01T03:09:15Z)
• 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。