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

• arxiv url: http://arxiv.org/abs/2412.18977v2
• Date: Wed, 15 Jan 2025 15:22:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-16 15:50:46.015831
• 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: 我々は,従来のCODタスクを拡張したCGCOD(Class-Guided Camouflaged Object Detection)を導入する。 本稿では,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,シンプルで効果的なクラス・ガイダンス・ディテクターを組み込んだマルチステージ・フレームワークCGNetを提案する。 これはCODの新しいパラダイムを確立し、コンテキスト理解とクラス誘導検出のギャップを埋める。
• 参考スコア（独自算出の注目度）: 19.959268087062217
• License:
• Abstract: Camouflaged Object Detection (COD) aims to identify objects that blend seamlessly into their surroundings. The inherent visual complexity of camouflaged objects, including their low contrast with the background, diverse textures, and subtle appearance variations, often obscures semantic cues, making accurate segmentation highly challenging. Existing methods primarily rely on visual features, which are insufficient to handle the variability and intricacy of camouflaged objects, leading to unstable object perception and ambiguous segmentation results. To tackle these limitations, we introduce a novel task, class-guided camouflaged object detection (CGCOD), which extends traditional COD task by incorporating object-specific class knowledge to enhance detection robustness and accuracy. To facilitate this task, we present a new dataset, CamoClass, comprising real-world camouflaged objects with class annotations. Furthermore, we propose a multi-stage framework, CGNet, which incorporates a plug-and-play class prompt generator and a simple yet effective class-guided detector. This establishes a new paradigm for COD, bridging the gap between contextual understanding and class-guided detection. Extensive experimental results demonstrate the effectiveness of our flexible framework in improving the performance of proposed and existing detectors by leveraging class-level textual information.
• 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することを目的としている。 カモフラージュされた物体の視覚的複雑さは、背景との低コントラスト、多様なテクスチャ、微妙な外観の変化など、しばしば意味的な手がかりを曖昧にし、正確なセグメンテーションを非常に困難にしている。 既存の手法は主に視覚的特徴に依存しており、カモフラージュされた物体の変動や複雑度を扱うには不十分であり、不安定な物体知覚と曖昧なセグメンテーションの結果をもたらす。 これらの制約に対処するために,従来のCODタスクを拡張した新しいタスク,CGCODを導入し,オブジェクト固有のクラス知識を取り入れて,検出の堅牢性と精度を高める。 この作業を容易にするために,実世界の Camouflaged オブジェクトとクラスアノテーションを組み合わせた新しいデータセット CamoClass を提案する。 さらに,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,シンプルで効果的なクラス・ガイダンス・ディテクターを組み込んだマルチステージ・フレームワークCGNetを提案する。 これはCODの新しいパラダイムを確立し、コンテキスト理解とクラス誘導検出のギャップを埋める。 大規模な実験結果から,提案および既存検出器の性能向上のためのフレキシブルフレームワークの有効性を,クラスレベルのテキスト情報を活用することで実証した。

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。