論文の概要: SPEGNet: Synergistic Perception-Guided Network for Camouflaged Object Detection

• arxiv url: http://arxiv.org/abs/2510.04472v1
• Date: Mon, 06 Oct 2025 04:06:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.674899
• Title: SPEGNet: Synergistic Perception-Guided Network for Camouflaged Object Detection
• Title（参考訳）: SPEGNet:カモフラージュ物体検出のための相乗的知覚誘導ネットワーク
• Authors: Baber Jan, Saeed Anwar, Aiman H. El-Maleh, Abdul Jabbar Siddiqui, Abdul Bais,
• Abstract要約: カモフラージュされたオブジェクト検出は、固有の類似性とエッジ破壊を持つオブジェクトをセグメント化する。 現在の検出方法は蓄積された複雑なコンポーネントに依存している。 統一設計による断片化に対処するSPEGNetを提案する。
• 参考スコア（独自算出の注目度）: 18.878603418735224
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Camouflaged object detection segments objects with intrinsic similarity and edge disruption. Current detection methods rely on accumulated complex components. Each approach adds components such as boundary modules, attention mechanisms, and multi-scale processors independently. This accumulation creates a computational burden without proportional gains. To manage this complexity, they process at reduced resolutions, eliminating fine details essential for camouflage. We present SPEGNet, addressing fragmentation through a unified design. The architecture integrates multi-scale features via channel calibration and spatial enhancement. Boundaries emerge directly from context-rich representations, maintaining semantic-spatial alignment. Progressive refinement implements scale-adaptive edge modulation with peak influence at intermediate resolutions. This design strikes a balance between boundary precision and regional consistency. SPEGNet achieves 0.887 $S_\alpha$ on CAMO, 0.890 on COD10K, and 0.895 on NC4K, with real-time inference speed. Our approach excels across scales, from tiny, intricate objects to large, pattern-similar ones, while handling occlusion and ambiguous boundaries. Code, model weights, and results are available on \href{https://github.com/Baber-Jan/SPEGNet}{https://github.com/Baber-Jan/SPEGNet}.
• Abstract（参考訳）: カモフラージュされたオブジェクト検出は、固有の類似性とエッジ破壊を持つオブジェクトをセグメント化する。 現在の検出方法は蓄積された複雑なコンポーネントに依存している。 各アプローチには、バウンダリモジュール、アテンション機構、マルチスケールプロセッサなどのコンポーネントが独立して追加される。 この累積は比例利得を伴わない計算負担を生み出す。 この複雑さを管理するために、分解能を低下させ、カモフラージュに必要な細部を除去する。 統一設計による断片化に対処するSPEGNetを提案する。 このアーキテクチャは、チャネルキャリブレーションと空間拡張を通じて、マルチスケールの機能を統合する。 境界は文脈に富んだ表現から直接現れ、意味と空間のアライメントを維持する。 プログレッシブ・リファインメントは、中間分解能におけるピーク影響を伴うスケール適応エッジ変調を実装している。 この設計は境界精度と地域整合性のバランスをとる。 SPEGNetはCAMOの0.887$S_\alpha$、COD10Kの0.890、NC4Kの0.895をリアルタイム推論速度で達成している。 我々のアプローチは、小さな複雑なオブジェクトから大きなパターン類似のオブジェクトまで、そしてオクルージョンとあいまいなバウンダリを扱いながら、スケールにわたって優れています。 コード、モデルウェイト、結果は \href{https://github.com/Baber-Jan/SPEGNet}{https://github.com/Baber-Jan/SPEGNet} で確認できる。

関連論文リスト

• BoundMatch: Boundary detection applied to semi-supervised segmentation [12.8995997687175]
  半教師付きセマンティックセマンティックセグメンテーション(SS-SS)は,多彩なラベル付き画像を活用することで,高密度画素ラベリングの重いアノテーション負担を軽減することを目的としている。 本稿では,意味境界検出を教師と学生の整合性正規化パイプラインに明示的に統合する,新しいマルチタスクSS-SSフレームワークであるBoundMatchを提案する。 境界一貫性規則化マルチタスク学習(Bundary Consistency Regularized Multi-Task Learning)は,セグメンテーションマスクと詳細なセグメンテーション境界において,教師と生徒のモデル間の予測合意を強制する。
  論文  参考訳（メタデータ） (2025-03-30T17:02:26Z)
• ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection [65.59969454655996]
  本稿では,変化領域を正確に推定するために,リッチな文脈情報を利用する効率的な変化検出フレームワークELGC-Netを提案する。 提案するELGC-Netは、リモートセンシング変更検出ベンチマークにおいて、最先端の性能を新たに設定する。 また,ELGC-Net-LWも導入した。
  論文  参考訳（メタデータ） (2024-03-26T17:46:25Z)
• Global Context Aggregation Network for Lightweight Saliency Detection of Surface Defects [70.48554424894728]
  我々は,エンコーダ・デコーダ構造上の表面欠陥を簡易に検出するためのGCANet(Global Context Aggregation Network)を開発した。 まず、軽量バックボーンの上部層に新しいトランスフォーマーエンコーダを導入し、DSA(Depth-wise Self-Attention)モジュールを通じてグローバルなコンテキスト情報をキャプチャする。 3つの公開欠陥データセットの実験結果から,提案したネットワークは,他の17の最先端手法と比較して,精度と実行効率のトレードオフを良好に達成できることが示された。
  論文  参考訳（メタデータ） (2023-09-22T06:19:11Z)
• Dynamic Convolution for 3D Point Cloud Instance Segmentation [146.7971476424351]
  動的畳み込みに基づく3次元点雲からのインスタンスセグメンテーション手法を提案する。 我々は、同じ意味圏と閉投票を持つ等質点を幾何学的遠近点に対して収集する。 提案手法は提案不要であり、代わりに各インスタンスの空間的および意味的特性に適応する畳み込みプロセスを利用する。
  論文  参考訳（メタデータ） (2021-07-18T09:05:16Z)
• Learning to Estimate Hidden Motions with Global Motion Aggregation [71.12650817490318]
  閉塞は、局所的な証拠に依存する光学フローアルゴリズムに重大な課題をもたらす。 最初の画像でピクセル間の長距離依存性を見つけるために,グローバルモーションアグリゲーションモジュールを導入する。 遮蔽領域における光流量推定が非遮蔽領域における性能を損なうことなく大幅に改善できることを実証した。
  論文  参考訳（メタデータ） (2021-04-06T10:32:03Z)
• Structure-Consistent Weakly Supervised Salient Object Detection with Local Saliency Coherence [14.79639149658596]
  本論文では,スクリブルアノテーションによる弱監督オブジェクト検出のための1ラウンドのエンドツーエンドトレーニング手法を提案する。 6つのベンチマークで最新のパフォーマンスを実現します。
  論文  参考訳（メタデータ） (2020-12-08T12:49:40Z)
• Multi-scale Interactive Network for Salient Object Detection [91.43066633305662]
  本稿では,隣接レベルからの機能を統合するためのアグリゲート・インタラクション・モジュールを提案する。 より効率的なマルチスケール機能を得るために、各デコーダユニットに自己相互作用モジュールを埋め込む。 5つのベンチマークデータセットによる実験結果から,提案手法は後処理を一切行わず,23の最先端手法に対して良好に動作することが示された。
  論文  参考訳（メタデータ） (2020-07-17T15:41:37Z)
• SegFix: Model-Agnostic Boundary Refinement for Segmentation [75.58050758615316]
  既存のセグメンテーションモデルによって生成されるセグメンテーション結果の境界品質を改善するためのモデルに依存しない後処理方式を提案する。 内部画素のラベル予測がより信頼性が高いという実証的な観察により、我々は、内部画素の予測によって、もともと信頼できない境界画素の予測を置き換えることを提案する。
  論文  参考訳（メタデータ） (2020-07-08T17:08:08Z)

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。