論文の概要: Exploring Boundary-Aware Spatial-Frequency Fusion for Camouflaged Object Detection

• arxiv url: http://arxiv.org/abs/2604.17879v1
• Date: Mon, 20 Apr 2026 06:45:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.734132
• Title: Exploring Boundary-Aware Spatial-Frequency Fusion for Camouflaged Object Detection
• Title（参考訳）: カモフラージュ物体検出のための境界対応空間周波数融合の探索
• Authors: Song Yu, Yang Hu, Haokang Ding, Zhifang Liao, Yucheng Song,
• Abstract要約: カモフラージュ対象物検出は、カモフラージュ対象物と周囲の背景との高度な類似性のため困難である。 現在のCOD法は主に空間領域のエッジ抽出と局所画素レベルの情報に依存している。 境界対応周波数領域と空間領域融合に基づくCODフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 8.458797078310633
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Camouflaged Object Detection is challenging due to the high degree of similarity between camouflaged objects and their surrounding backgrounds. Current COD methods mainly rely on edge extraction in the spatial domain and local pixel-level information, neglecting the importance of global structural features. Additionally, they fail to effectively leverage the importance of phase spectrum information within frequency domain features. To this end, we propose a COD framework BASFNet based on boundary-aware frequency domain and spatial domain fusion.This method uses dual guided integration of frequency domain and spatial domain features. A phase-spectrum-based frequency-enhanced edge exploration module (FEEM) and a spatial core segmentation module (SCSM) are introduced to jointly capture the boundary and object features of camouflaged objects. These features are then effectively integrated through a spatial-frequency fusion interaction module (SFFIM). Furthermore, the boundary detection is further optimized through an boundary-aware training strategy. BASFNet outperforms existing state-of-the-art methods on three benchmark datasets, validating the effectiveness of the fusion of frequency and spatial domain information in COD tasks.
• Abstract（参考訳）: カモフラージュ対象物検出は、カモフラージュ対象物と周囲の背景との高度な類似性のため困難である。 現在のCOD法は主に空間領域におけるエッジ抽出と局所画素レベルの情報に依存しており、グローバルな構造的特徴の重要性を無視している。 さらに、周波数領域の特徴の中で位相スペクトル情報の重要性を効果的に活用することができない。 そこで本稿では,境界対応周波数領域と空間領域融合に基づくCODフレームワークBASFNetを提案する。 位相スペクトルに基づく周波数強調エッジ探索モジュール (FEEM) と空間コアセグメンテーションモジュール (SCSM) が導入された。 これらの特徴は、空間周波数融合相互作用モジュール(SFFIM)を介して効果的に統合される。 さらに、境界認識訓練戦略により境界検出をさらに最適化する。 BASFNetは既存の最先端手法を3つのベンチマークデータセットで上回り、CODタスクにおける周波数と空間領域情報の融合の有効性を検証する。

関連論文リスト

• RDNet: Region Proportion-Aware Dynamic Adaptive Salient Object Detection Network in Optical Remote Sensing Images [78.19052099452695]
  地域分布を考慮した動的適応型オブジェクト検出ネットワーク(RDNet)を提案する。 RDNetはグローバルコンテキストモデリングのためにCNNのバックボーンをSwinTransformerに置き換える。 スケールの変動や正確なローカライゼーションに対して堅牢性を実現し、最先端の手法と比較して優れた検出性能を提供する。
  論文  参考訳（メタデータ） (2026-03-12T17:34:29Z)
• Assisted Refinement Network Based on Channel Information Interaction for Camouflaged and Salient Object Detection [30.393796834241794]
  Camouflaged Object Detection (COD) はコンピュータビジョンにおいて重要な課題であり、視覚的にその背景と高度に統合されたオブジェクトを識別し、セグメンテーションすることを目的としている。 現在の主流手法は、層間機能融合を進展させたが、デコード段階では2つの重要な問題が続いている。 1つ目は、同層機能内のチャンネル間の情報相互作用が不十分であり、特徴表現性を制限することである。 2つ目は、効果的にコモデル境界と領域情報を共有できないことであり、完全な領域と鋭いオブジェクトの境界を正確に再構築することは困難である。
  論文  参考訳（メタデータ） (2025-12-12T08:29:00Z)
• Spatial and Frequency Domain Adaptive Fusion Network for Image Deblurring [0.0]
  Image Deblurringは、対応するぼやけた画像から潜むシャープなイメージを再構築することを目的としている。 本稿では、この制限に対応するために、空間周波数領域適応核融合ネットワーク(SFAFNet)を提案する。 我々のSFAFNetは、一般的に使用されているベンチマークにおける最先端のアプローチと比較して好意的に機能する。
  論文  参考訳（メタデータ） (2025-02-20T02:43:55Z)
• 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)
• Frequency-Spatial Entanglement Learning for Camouflaged Object Detection [34.426297468968485]
  既存の手法では、複雑な設計で空間的特徴の識別能力を最大化することにより、画素類似性の影響を減らそうとしている。 本稿では,周波数領域と空間領域の表現を共同で探索し,周波数空間の絡み合い学習(FSEL)手法を提案する。 我々の実験は、広く使われている3つのデータセットにおける包括的量的および質的比較を通じて、21以上の最先端手法によるFSELの優位性を実証した。
  論文  参考訳（メタデータ） (2024-09-03T07:58:47Z)
• PVAFN: Point-Voxel Attention Fusion Network with Multi-Pooling Enhancing for 3D Object Detection [59.355022416218624]
  点とボクセルの表現の統合は、LiDARベースの3Dオブジェクト検出においてより一般的になりつつある。 PVAFN(Point-Voxel Attention Fusion Network)と呼ばれる新しい2段3次元物体検出器を提案する。 PVAFNはマルチプール戦略を使用して、マルチスケールとリージョン固有の情報を効果的に統合する。
  論文  参考訳（メタデータ） (2024-08-26T19:43:01Z)
• 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)
• Cross-Modality Domain Adaptation for Freespace Detection: A Simple yet Effective Baseline [21.197212665408262]
  フリースペース検出は、カメラが捉えた画像の各ピクセルを、ドライビング可能または非駆動可能と分類することを目的としている。 我々はRGB画像と深度画像から生成された表面正規写像の両方を利用するクロスモダリティ領域適応フレームワークを開発した。 ソースドメイン(合成データ)とターゲットドメイン(実世界のデータ)のドメインギャップを埋めるため、選択的特徴アライメント(SFA)モジュールも提案する。
  論文  参考訳（メタデータ） (2022-10-06T15:31:49Z)
• Bi-Dimensional Feature Alignment for Cross-Domain Object Detection [71.85594342357815]
  教師なしクロスドメイン検出モデルを提案する。 ソースドメインのアノテーション付きデータを利用して、異なるターゲットドメインに対してオブジェクト検出器をトレーニングする。 提案モデルでは、オブジェクト検出のためのクロスドメイン表現のばらつきを緩和する。
  論文  参考訳（メタデータ） (2020-11-14T03:03:11Z)
• Cross-layer Feature Pyramid Network for Salient Object Detection [102.20031050972429]
  本稿では,有能な物体検出における進行的融合を改善するために,新しいクロス層特徴ピラミッドネットワークを提案する。 レイヤごとの分散機能は、他のすべてのレイヤからセマンティクスと健全な詳細の両方を同時に所有し、重要な情報の損失を減らします。
  論文  参考訳（メタデータ） (2020-02-25T14:06:27Z)

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。