論文の概要: Camo-M3FD: A New Benchmark Dataset for Cross-Spectral Camouflaged Pedestrian Detection

• arxiv url: http://arxiv.org/abs/2604.16582v1
• Date: Fri, 17 Apr 2026 14:30:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.08967
• Title: Camo-M3FD: A New Benchmark Dataset for Cross-Spectral Camouflaged Pedestrian Detection
• Title（参考訳）: Camo-M3FD:クロススペクトルカモフラージペデストリアン検出のための新しいベンチマークデータセット
• Authors: Henry O. Velesaca, Andrea Mero, Guillermo A. Castillo, Angel D. Sappa,
• Abstract要約: 横断型カモフラージュ歩行者検出のための新しいベンチマークであるCamo-M3FDを紹介する。 データセットは定量的なメトリクスを使用してキュレートされ、フォアグラウンドとバックグラウンドの類似性を保証する。 熱信号は不必要な局所化手段を提供するが, 微細化には多スペクトル核融合が不可欠であることを示す。
• 参考スコア（独自算出の注目度）: 3.289878169836672
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Pedestrian detection is fundamental to autonomous driving, robotics, and surveillance. Despite progress in deep learning, reliable identification remains challenging due to occlusions, cluttered backgrounds, and degraded visibility. While multispectral detection-combining visible and thermal sensors-mitigates poor visibility, the challenge of camouflaged pedestrians remains largely unexplored. Existing Camouflaged Object Detection (COD) benchmarks focus on biological species, leaving a gap in safety-critical human detection where targets blend into their surroundings. To address this, we introduce Camo-M3FD (derived from the M3FD dataset), a novel benchmark for cross-spectral camouflaged pedestrian detection, consisting of registered visible-thermal image pairs. The dataset is curated using quantitative metrics to ensure high foreground-background similarity. We provide high-quality pixel-level masks and establish a standardized evaluation framework using state-of-the-art COD models. Our results demonstrate that while thermal signals provide indispensable localization cues, multispectral fusion is essential for refining structural details. Camo-M3FD serves as a foundational resource for developing robust and safety-critical detection systems. The dataset is available on GitHub: https://cod-espol.github.io/Camo-M3FD/
• Abstract（参考訳）: 歩行者検出は、自動運転、ロボット工学、および監視の基本である。 深層学習の進歩にもかかわらず、隠蔽、散在した背景、視界の劣化など、信頼性の高い識別は依然として困難である。 多スペクトル検出・可視・熱センサの併用は視界の低下を緩和するが、カモフラージュされた歩行者の課題は未解決のままである。 既存のCOD(Camouflaged Object Detection)ベンチマークでは、生物種に焦点を当てており、ターゲットが周囲に混ざり合うような、安全クリティカルな人間の検出のギャップが残っている。 これを解決するために、登録された可視熱画像対からなるクロススペクトルカモフラージュ歩行者検出のための新しいベンチマークであるCamo-M3FD(M3FDデータセットに由来する)を紹介する。 データセットは定量的なメトリクスを使用してキュレートされ、フォアグラウンドとバックグラウンドの類似性を保証する。 我々は高品質な画素レベルのマスクを提供し、最先端のCODモデルを用いた標準化された評価フレームワークを確立する。 熱信号は不必要な局所化手段を提供するが, 微細化には多スペクトル核融合が不可欠であることを示す。 Camo-M3FDは、堅牢で安全に重要な検知システムを開発するための基礎的な資源として機能する。 データセットはGitHubで入手できる。 https://cod-espol.github.io/Camo-M3FD/

関連論文リスト

• CAMotion: A High-Quality Benchmark for Camouflaged Moving Object Detection in the Wild [83.45543969516149]
  本稿では,野生の移動物体検出のための高品質なベンチマークであるCAMotionを構築した。 このベンチマークは、異なる挑戦シナリオにおいて、カモフラージュされた物体の運動特性を詳細に分析する。 また、既存のSOTAモデルをCAMotion上で総合的に評価し、VCODタスクにおける大きな課題について論じる。
  論文  参考訳（メタデータ） (2026-04-09T14:23:46Z)
• MCOD: The First Challenging Benchmark for Multispectral Camouflaged Object Detection [26.760763912987795]
  Camouflaged Object Detection (COD)は、自然界にシームレスに溶け込む物体を識別することを目的としている。 既存のCODベンチマークデータセットはRGBベースであり、マルチスペクトルアプローチに不可欠なサポートがない。 マルチスペクトルカモフラージュオブジェクト検出のために特別に設計された、最初の挑戦的なベンチマークデータセットであるMCODを紹介する。
  論文  参考訳（メタデータ） (2025-09-19T08:29:33Z)
• 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)
• Camouflaged Image Synthesis Is All You Need to Boost Camouflaged Detection [47.653092957888596]
  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)
• Multi-Modal 3D Object Detection by Box Matching [109.43430123791684]
  マルチモーダル3次元検出のためのボックスマッチング(FBMNet)による新しいフュージョンネットワークを提案する。 3Dオブジェクトと2Dオブジェクトの提案を学習することで、ROI特徴を組み合わせることで、検出のための融合を効果的に行うことができる。
  論文  参考訳（メタデータ） (2023-05-12T18:08:51Z)
• CamoFormer: Masked Separable Attention for Camouflaged Object Detection [94.2870722866853]
  カモフラージュされた物体検出のための単純なマスク付き分離型注意(MSA)を提案する。 まず,マルチヘッド・セルフアテンションを3つの部分に分割し,異なるマスキング戦略を用いて,背景からカモフラージュした物体を識別する役割を担っている。 提案手法では,MSAを用いた単純なトップダウンデコーダを用いて,高精度なセグメンテーション結果を得るために,高分解能なセグメンテーション表現を段階的にキャプチャする。
  論文  参考訳（メタデータ） (2022-12-10T10:03:27Z)

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。