論文の概要: CFCamo: A Counterfactual Detect-or-Abstain Framework for Camouflaged Object Detection

• arxiv url: http://arxiv.org/abs/2606.11231v1
• Date: Thu, 28 May 2026 20:14:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 07:09:36.852898
• Title: CFCamo: A Counterfactual Detect-or-Abstain Framework for Camouflaged Object Detection
• Title（参考訳）: CFCamo:カモフラージュされたオブジェクト検出のための非現実的検出または吸収フレームワーク
• Authors: Suhang Li, Osamu Yoshie, Yuya Ieiri,
• Abstract要約: カモフラージュ物体検出(COD)のための視覚言語強化学習が最近行った。 標準的なCODトレーニングと評価データは肯定的であり、この設定で最適化されたエージェントは、過剰な検出バイアスを得ることができる。 そこで,本研究では,それぞれのCOD評価画像からカモフラージュされた目標を除去する対向型COD(CF-COD)を構築した。
• 参考スコア（独自算出の注目度）: 3.995408039775796
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-language reinforcement learning has recently shown strong target-present localization for camouflaged object detection (COD). Yet localization is only one side of the decision: when the agent faces an ordinary image with no camouflaged target, will it still claim that a camouflaged object exists? Standard COD training and evaluation data are positive-only, so agents optimized under this setting can acquire an over-detect bias, a task-specific form of object hallucination that standard COD evaluation leaves unmeasured. To quantify this target-absent behavior, we construct Counterfactual COD (CF-COD), a paired benchmark that removes the camouflaged target from each held-out COD evaluation image while preserving a plausible background. CF-COD evaluates whether a model detects the target on the original image and abstains on the target-absent counterfactual, summarized by Pair Accuracy (PA). We further introduce CFCamo, a paired counterfactual framework for COD with abstention. For training, CFCamo optimizes a Qwen3-VL-4B-Instruct agent with Counterfactual Sequence Policy Optimization (CSPO), which samples paired original-counterfactual rollouts and uses a Counterfactual Paired Reward (CPR) to couple original-image detection with counterfactual abstention. On CAMO-test, CFCamo improves S_alpha by +3.7 pp over the prior RL-based COD baseline; across CF-COD, it reaches 80.0-90.8% PA. Ablations show that removing counterfactual coupling reduces PA to 1.4-5.2% despite strong target-present COD scores, showing that target-present evaluation alone does not characterize detect-or-abstain behavior. Overall, these results indicate that CFCamo improves COD agents by coupling target-present detection with target-absent abstention, rather than merely strengthening target-present localization. Code and data are available at https://github.com/suhang2000/CFCamo.
• Abstract（参考訳）: 視覚言語強化学習は近年, 偽装物体検出 (COD) において, 強い目標位置定位を示した。 しかし、ローカライゼーションは決定の1つの側面にすぎない: エージェントがカモフラージュされた標的のない普通の画像に直面したとき、カモフラージュされた物体が存在すると主張するのだろうか? 標準CODトレーニングと評価データは正のみであるため、この設定で最適化されたエージェントは、標準COD評価が未測定のままであるタスク固有のオブジェクト幻覚である過剰検出バイアスを得ることができる。 この目標達成行動の定量化にあたり,実証可能な背景を保ちつつ,各ホールドアウトCOD評価画像からカモフラージュされた目標を除去するペアベンチマークであるCF-COD(Counderfactual COD)を構築した。 CF-CODはPair Accuracy (PA)によって要約された、モデルが元の画像上でターゲットを検出し、ターゲット存在の反事実を棄却するか否かを評価する。 CFCamoはCODと禁忌を兼ね備えた一対のデファクト・フレームワークである。 CFCamoは、Qwen3-VL-4B-Instruct agent with Counterfactual Sequence Policy Optimization (CSPO) を最適化し、ペア化された元の偽装ロールアウトをサンプリングし、Counterfactual Paired Reward (CPR) を使用して、元の画像検出と偽造棄却を区別する。 CAMO試験では、CFCamoは以前のRLベースのCODベースラインに対して+3.7ppでS_alphaを改善し、CF-COD全体で80.0-90.8%のPAに達する。 アブレーションは、対物カップリングの除去は、強い目標現在CODスコアにもかかわらず、PAを1.4-5.2%に減少させ、目標現在評価だけでは検出または持続的な振る舞いを特徴づけないことを示している。 以上の結果から,CFCamoは目標位置検出を単に目標位置定位を強化するのではなく,目標位置定位と目標位置留置とを結合することによりCOD剤の改善を図っている。 コードとデータはhttps://github.com/suhang2000/CFCamo.comで公開されている。

関連論文リスト

• LeakBoost: Perceptual-Loss-Based Membership Inference Attack [4.82560917771631]
  LeakBoostは知覚的ロスに基づく尋問フレームワークで、モデルの内部表現を積極的に調査して、隠されたメンバシップ信号を公開する。 LeakBoostは、複数の画像分類データセットと多様なニューラルネットワークアーキテクチャで、低い偽陽性率で大幅に改善されている。
  論文  参考訳（メタデータ） (2026-02-05T15:15:35Z)
• Uncertainty Quantification for Collaborative Object Detection Under Adversarial Attacks [6.535251134834875]
  協調オブジェクト検出(COD)と協調認識は、様々なエンティティからのデータや特徴を統合することができる。 敵対的攻撃は、ディープラーニングCODモデルに潜在的な脅威をもたらす。 我々は、協調知覚フレームワーク(TUQCP)における信頼された不確実性定量化を提案する。
  論文  参考訳（メタデータ） (2025-02-04T18:03:32Z)
• Seamless Detection: Unifying Salient Object Detection and Camouflaged Object Detection [73.85890512959861]
  本稿では,SOD(Salient Object Detection)とCOD(Camouflaged Object Detection)を統合化するためのタスク非依存フレームワークを提案する。 我々は、間隔層と大域的コンテキストを含む単純で効果的なコンテキストデコーダを設計し、67fpsの推論速度を実現する。 公開SODデータセットとCODデータセットの実験は、教師なし設定と教師なし設定の両方において、提案したフレームワークの優位性を実証している。
  論文  参考訳（メタデータ） (2024-12-22T03:25:43Z)
• Rethinking Detecting Salient and Camouflaged Objects in Unconstrained Scenes [5.876510569597584]
  そこで我々はUSCNetと呼ばれるモデルを提案する。 そこで我々は, CSCSと呼ばれる評価指標を設計し, モデルが有意な対象と偽装対象を区別する能力を評価する。
  論文  参考訳（メタデータ） (2024-12-14T19:37:17Z)
• From COCO to COCO-FP: A Deep Dive into Background False Positives for COCO Detectors [8.3561487803637]
  火災や煙の検知における誤報は、現実世界の応用において重要である。 COCO-FPはImageNet-1Kデータセットから派生した新しい評価データセットである。 標準および高度な物体検出器の評価は、クローズドセットとオープンセットの両方のシナリオにおいて、かなりの数の偽陽性を示す。
  論文  参考訳（メタデータ） (2024-09-12T10:22:12Z)
• SAM-COD: SAM-guided Unified Framework for Weakly-Supervised Camouflaged Object Detection [12.915303163650002]
  カモフラージュされたオブジェクト検出(COD)手法の多くは、取得するのに時間と労力を要するマスクアノテーションに大きく依存している。 既存の弱教師付きCODアプローチは、完全教師付き手法に比べて性能が著しく劣っている。 我々は、任意の弱教師付きラベルをサポート可能な、SAM-CODと呼ばれる統合CODフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-20T11:49:27Z)
• AdvQDet: Detecting Query-Based Adversarial Attacks with Adversarial Contrastive Prompt Tuning [93.77763753231338]
  CLIP画像エンコーダを微調整し、2つの中間対向クエリに対して同様の埋め込みを抽出するために、ACPT(Adversarial Contrastive Prompt Tuning)を提案する。 我々は,ACPTが7つの最先端クエリベースの攻撃を検出できることを示す。 また,ACPTは3種類のアダプティブアタックに対して堅牢であることを示す。
  論文  参考訳（メタデータ） (2024-08-04T09:53:50Z)
• Strategic Preys Make Acute Predators: Enhancing Camouflaged Object Detectors by Generating Camouflaged Objects [107.47530456103758]
  カモフラーゲ型物体検出(COD)は、カモフラーゲ型物体を視覚的に周囲に混入させる難易度の高い課題である。 我々は、捕食者がより優れたカモフラージュと捕食者を開発し、より鋭い視覚システムを取得するための獲物を誘導する獲物捕食者ゲームからインスピレーションを得ている。 内部コヒーレンスとエッジガイダンス (ICEG) と呼ばれる新しいCOD法を導入し, カモフラージュした特徴コヒーレンスモジュールを導入した。
  論文  参考訳（メタデータ） (2023-08-06T17:27:08Z)
• CamoDiffusion: Camouflaged Object Detection via Conditional Diffusion Models [72.93652777646233]
  カモフラーゲ型物体検出(COD)は、カモフラーゲ型物体とその周囲の類似性が高いため、コンピュータビジョンにおいて難しい課題である。 本研究では,CODを拡散モデルを利用した条件付きマスク生成タスクとして扱う新しいパラダイムを提案する。 カモ拡散(CamoDiffusion)と呼ばれる本手法では,拡散モデルのデノナイズプロセスを用いてマスクの雑音を反復的に低減する。
  論文  参考訳（メタデータ） (2023-05-29T07:49:44Z)
• CamDiff: Camouflage Image Augmentation via Diffusion Model [83.35960536063857]
  CamDiffは、カモフラージュされたシーンで透明なオブジェクトを合成するための新しいアプローチだ。 我々は,潜伏拡散モデルを用いて,カモフラージュされたシーンで有能な物体を合成する。 当社のアプローチでは、フレキシブルな編集と大規模データセットの効率的な生成を低コストで実現している。
  論文  参考訳（メタデータ） (2023-04-11T19:37:47Z)

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。