論文の概要: SFGNet: Semantic and Frequency Guided Network for Camouflaged Object Detection

• arxiv url: http://arxiv.org/abs/2509.11539v2
• Date: Tue, 16 Sep 2025 03:48:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-17 11:35:27.006142
• Title: SFGNet: Semantic and Frequency Guided Network for Camouflaged Object Detection
• Title（参考訳）: SFGNet:カモフラージュ物体検出のための意味・周波数誘導ネットワーク
• Authors: Dezhen Wang, Haixiang Zhao, Xiang Shen, Sheng Miao,
• Abstract要約: SFGNet(Semantic and Frequency Guided Network)を提案する。 セマンティック・プロンプトと周波数領域の機能を組み込んでカモフラージュされたオブジェクトをキャプチャし、境界知覚を改善する。 3つのCODベンチマークデータセットで行った大規模な実験により、我々の手法は最先端のアプローチよりも大幅に優れていることが示された。
• 参考スコア（独自算出の注目度）: 2.8563206958455467
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Camouflaged object detection (COD) aims to segment objects that blend into their surroundings. However, most existing studies overlook the semantic differences among textual prompts of different targets as well as fine-grained frequency features. In this work, we propose a novel Semantic and Frequency Guided Network (SFGNet), which incorporates semantic prompts and frequency-domain features to capture camouflaged objects and improve boundary perception. We further design Multi-Band Fourier Module(MBFM) to enhance the ability of the network in handling complex backgrounds and blurred boundaries. In addition, we design an Interactive Structure Enhancement Block (ISEB) to ensure structural integrity and boundary details in the predictions. Extensive experiments conducted on three COD benchmark datasets demonstrate that our method significantly outperforms state-of-the-art approaches. The core code of the model is available at the following link: https://github.com/winter794444/SFGNetICASSP2026.
• Abstract（参考訳）: カモフラージュされた物体検出(COD)は、周囲に混入する物体を分割することを目的としている。 しかし、既存の研究の多くは、異なるターゲットのテキストプロンプトと詳細な周波数特性のセマンティックな違いを見落としている。 本研究では、セマンティック・周波数ガイドネットワーク(SFGNet)を提案する。このネットワークは、セマンティック・プロンプトと周波数領域の機能を組み込んで、カモフラージュされたオブジェクトを捕捉し、境界知覚を改善する。 さらに、複雑な背景とぼやけた境界を扱う際のネットワークの能力を高めるために、MBFM(Multi-Band Fourier Module)を設計する。 さらに、予測における構造的整合性と境界の詳細を確保するために、ISEB(Interactive Structure Enhancement Block)を設計する。 3つのCODベンチマークデータセットで行った大規模な実験により、我々の手法は最先端のアプローチよりも大幅に優れていることが示された。 モデルのコアコードは以下のリンクで利用可能である。

関連論文リスト

• GCRPNet: Graph-Enhanced Contextual and Regional Perception Network for Salient Object Detection in Optical Remote Sensing Images [68.33481681452675]
  本稿では,GCRPNet(Graph-enhanced contextual and Regional Recognition Network)を提案する。 これはMambaアーキテクチャの上に構築され、長距離依存関係を同時にキャプチャし、地域的特徴表現を強化する。 マルチスケールの畳み込みによって処理される特徴マップに対して適応的なパッチスキャンを行い、リッチなローカル領域情報をキャプチャする。
  論文  参考訳（メタデータ） (2025-08-14T11:31:43Z)
• B2Net: Camouflaged Object Detection via Boundary Aware and Boundary Fusion [10.899493419708651]
  得られた境界の精度を高めるために,B2Netという新しいネットワークを提案する。 我々は、より差別的な特徴表現を統合することを目的として、Residual Feature Enhanced Module (RFEM)を提案する。 その後、境界認識モジュール(BAM)を導入し、エッジキューを2回探索する。 最後に,さまざまなスケールの情報をトップダウンで統合するCBFMを設計する。
  論文  参考訳（メタデータ） (2024-12-31T13:06:06Z)
• Hierarchical Graph Interaction Transformer with Dynamic Token Clustering for Camouflaged Object Detection [57.883265488038134]
  本稿では,HGINetと呼ばれる階層的なグラフ相互作用ネットワークを提案する。 このネットワークは、階層的トークン化機能間の効果的なグラフ相互作用を通じて、知覚不能なオブジェクトを発見することができる。 本実験は,既存の最先端手法と比較して,HGINetの優れた性能を示すものである。
  論文  参考訳（メタデータ） (2024-08-27T12:53:25Z)
• Frequency Perception Network for Camouflaged Object Detection [51.26386921922031]
  周波数領域のセマンティック階層によって駆動される新しい学習可能かつ分離可能な周波数知覚機構を提案する。 ネットワーク全体では、周波数誘導粗い局所化ステージと細部保存の微細局在化ステージを含む2段階モデルを採用している。 提案手法は,既存のモデルと比較して,3つのベンチマークデータセットにおいて競合性能を実現する。
  論文  参考訳（メタデータ） (2023-08-17T11:30:46Z)
• Feature Aggregation and Propagation Network for Camouflaged Object Detection [42.33180748293329]
  カモフラージュされたオブジェクト検出(COD)は、環境に埋め込まれたカモフラージュされたオブジェクトを検出し、分離することを目的としている。 いくつかのCOD法が開発されているが, 前景オブジェクトと背景環境との固有の類似性により, 依然として不満足な性能に悩まされている。 カモフラージュされた物体検出のための新しい特徴集約・伝播ネットワーク(FAP-Net)を提案する。
  論文  参考訳（メタデータ） (2022-12-02T05:54:28Z)

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。