伪装图像合成即可提升伪装检测
计算机视觉与模式识别
2025-10-14 v2 人工智能
机器学习
摘要
融入自然场景的伪装物体给深度学习模型的检测与合成带来显著挑战。尽管伪装物体检测是计算机视觉中一项具有多样现实应用的关键任务，该研究方向受限于有限的数据可用性。我们提出一种合成伪装数据以增强自然场景中伪装物体检测的框架。我们的方法采用生成模型产生逼真的伪装图像，可用于训练现有物体检测模型。具体而言，我们使用由伪装分布分类器监督的伪装环境生成器来合成伪装图像，随后将其输入我们的生成器以扩充数据集。我们的框架在三个数据集（COD10k、CAMO 与 CHAMELEON）上优于当前最先进（state-of-the-art）方法，证明了其在改进伪装物体检测上的有效性。该方法可作为现有伪装物体检测任务的即插即用数据生成与增强模块，并为当前伪装数据集引入更多多样性与分布提供了一种新途径。
引用
@article{arxiv.2308.06701,
title = {Camouflaged Image Synthesis Is All You Need to Boost Camouflaged Detection},
author = {Haichao Zhang and Can Qin and Yu Yin and Yun Fu},
journal= {arXiv preprint arXiv:2308.06701},
year = {2025}
}