論文の概要: Conditional Polarization Guidance for Camouflaged Object Detection

• arxiv url: http://arxiv.org/abs/2603.30008v2
• Date: Wed, 01 Apr 2026 09:00:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:31.634912
• Title: Conditional Polarization Guidance for Camouflaged Object Detection
• Title（参考訳）: カモフラージュ物体検出のための条件偏光誘導
• Authors: QIfan Zhang, Hao Wang, Xiangrong Qin, Ruijie Li,
• Abstract要約: 擬似物体検出のためのRGB特徴学習を制御するための非対称なRGB偏極フレームワークを提案する。 従来の特徴融合戦略とは異なり、提案した条件付き誘導機構は偏光前処理を用いてRGB特徴を動的に変調する。 また、偏光制約下で高周波成分を増強する偏光エッジ誘導周波数改善戦略を導入する。
• 参考スコア（独自算出の注目度）: 5.146223292969599
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Camouflaged object detection (COD) aims to identify targets that are highly blended with their backgrounds. Recent works have shown that the optical characteristics of polarization cues play a significant role in improving camouflaged object detection. However, most existing polarization-based approaches depend on complex visual encoders and fusion mechanisms, leading to increased model complexity and computational overhead, while failing to fully explore how polarization can explicitly guide hierarchical RGB representation learning. To address these limitations, we propose CPGNet, an asymmetric RGB-polarization framework that introduces a conditional polarization guidance mechanism to explicitly regulate RGB feature learning for camouflaged object detection. Specifically, we design a lightweight polarization interaction module that jointly models these complementary cues and generates reliable polarization guidance in a unified manner. Unlike conventional feature fusion strategies, the proposed conditional guidance mechanism dynamically modulates RGB features using polarization priors, enabling the network to focus on subtle discrepancies between camouflaged objects and their backgrounds. Furthermore, we introduce a polarization edge-guided frequency refinement strategy that enhances high-frequency components under polarization constraints, effectively breaking camouflage patterns. Finally, we develop an iterative feedback decoder to perform coarse-to-fine feature calibration and progressively refine camouflage prediction. Extensive experiments on polarization datasets across multiple tasks, along with evaluations on non-polarization datasets, demonstrate that CPGNet consistently outperforms state-of-the-art methods.
• Abstract（参考訳）: カモフラージュされた物体検出(COD)は、背景と高度に融合したターゲットを特定することを目的としている。 近年の研究では、偏光キューの光学的特性が、カモフラージュされた物体の検出を改善する上で重要な役割を担っていることが示されている。 しかし、既存の分極に基づくアプローチの多くは複雑な視覚エンコーダと融合機構に依存しており、モデルの複雑さと計算オーバーヘッドが増大する一方、分極が階層的なRGB表現学習を明示的に導く方法の解明に失敗している。 これらの制約に対処するために,キャモフラージュされた物体検出のためのRGB特徴学習を明示的に規制する条件偏極誘導機構を導入する非対称なRGB偏極フレームワークであるCPGNetを提案する。 具体的には、これらの相補的なキューを共同でモデル化し、信頼性の高い偏光誘導を統一的に生成する軽量な偏光相互作用モジュールを設計する。 従来の特徴融合戦略とは異なり,提案した条件付き誘導機構は偏光前処理を用いてRGB特徴を動的に変調し,カモフラージュした物体とその背景との微妙な相違にネットワークが焦点を合わせることができる。 さらに、偏光制約下で高周波成分を増強し、カモフラージュパターンを効果的に破壊する偏光エッジ誘導周波数改善戦略を導入する。 最後に、粗大な特徴キャリブレーションを行い、段階的にカモフラージュ予測を洗練させる反復フィードバックデコーダを開発する。 複数のタスクにわたる偏極データセットに関する大規模な実験と非偏極データセットの評価は、CPGNetが一貫して最先端の手法より優れていることを示した。

関連論文リスト

• PolarAnything: Diffusion-based Polarimetric Image Synthesis [59.14294818211059]
  本稿では,光リアリズムと物理精度の両方で単一のRGB入力から偏光画像を合成できるPolarAnythingを提案する。 実験により,我々のモデルは高品質な偏光画像を生成し,偏光からの形状などの下流タスクをサポートすることが示された。
  論文  参考訳（メタデータ） (2025-07-23T07:09:10Z)
• Glossy Object Reconstruction with Cost-effective Polarized Acquisition [41.96986483856648]
  この研究は、コスト効率の良い取得ツールを使用するスケーラブルな分極支援アプローチを導入している。 提案手法は,物体表面の分極的BRDF,ストークスベクトル,偏光状態をニューラル暗黙的場として表現する。 偏光レンダリングの暗黙的な表現に基本的な物理原理を活用することにより,本手法は既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-04-09T16:38:51Z)
• Benchmarking Burst Super-Resolution for Polarization Images: Noise Dataset and Analysis [14.056265185258534]
  偏光カメラは、色と偏光の両方を捉えるためにダブルバイアーバーストセンサーを使用している。 低い光効率と低い空間分解能を示し、ノイズの増加と偏光測定の妥協をもたらす。 バースト超解像を偏光イメージングに適用することは、調整されたデータセットの欠如と信頼できる地上の真実のノイズ統計が問題となる。 この研究は、分極バースト超解像のベンチマークを確立し、ノイズ伝搬に関する重要な洞察を与え、分極画像再構成を向上する。
  論文  参考訳（メタデータ） (2025-03-24T14:17:18Z)
• Robust Depth Enhancement via Polarization Prompt Fusion Tuning [112.88371907047396]
  様々な深度センサによる不正確な深度測定を改善するために偏光イメージングを利用するフレームワークを提案する。 まず、偏光データとセンサ深度マップから高密度で完全な深度マップを推定するために、ニューラルネットワークを訓練した学習ベースの戦略を採用する。 大規模データセット上で事前学習したRGBモデルを有効に活用するためのPPFT(Polarization Prompt Fusion Tuning)戦略を提案する。
  論文  参考訳（メタデータ） (2024-04-05T17:55:33Z)
• Polarimetric Information for Multi-Modal 6D Pose Estimation of Photometrically Challenging Objects with Limited Data [51.95347650131366]
  6Dポーズ推定パイプラインは、RGBのみまたはRGB-Dデータに依存する。 このような制限を克服するために,補完分極情報を利用した教師付き学習ベース手法を提案する。
  論文  参考訳（メタデータ） (2023-08-21T10:56:00Z)
• PARTNER: Level up the Polar Representation for LiDAR 3D Object Detection [81.16859686137435]
  本稿では、極座標における新しい3次元物体検出器Partnerを紹介する。 提案手法は,ONCE検証セットにおいて3.68%,9.15%の差で従来の極性理論よりも優れていた。
  論文  参考訳（メタデータ） (2023-08-08T01:59:20Z)
• Objects detection for remote sensing images based on polar coordinates [26.640452563317346]
  極座標系をディープラーニング検出器に初めて導入し, アンカーフリーの極リモートセンシングオブジェクト検出器(P-RSDet)を提案する。 P-RSDet法では、中心点を予測し、1つの極半径と2つの極角を回帰することにより、任意の方向の物体検出が可能である。 DOTA,UCAS-AOD,NWPU VHR-10データセットを用いた実験により,我々のP-RSDetはより単純なモデルとより少ない回帰パラメータで最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2020-01-09T14:02:51Z)

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。