基于重叠窗口跨层级注意力机制的伪装目标检测
摘要
伪装对象使其颜色和纹理自适应地与环境契合，从而使其与周围环境难以区分。现有方法表明，高层语义特征能够突出伪装对象与背景之间的差异。因此，它们将高层语义特征与低层细节特征相融合以实现准确的伪装目标检测（COD）。与以往的多层级特征融合设计不同，我们指出增强低层特征对 COD 更为迫切。本文中，我们提出一种重叠窗口跨层级注意力（OWinCA），以在最高层特征引导下实现低层特征增强。通过在最高层和低层特征图上滑动对齐的窗口对，高层语义通过跨层级注意力被显式地整合进低层细节中。此外，其采用重叠窗口划分策略以缓解窗口间的不连贯性，从而避免全局信息丢失。这些举措使所提出的 OWinCA 能够通过提升伪装对象的可分离性来增强低层特征。所提出的 OWinCANet 通过简单卷积操作融合这些增强的多层级特征以实现最终的 COD。在三个大规模 COD 数据集上的实验表明，我们的 OWinCANet 显著超越当前最先进的 COD 方法。
引用
@article{arxiv.2311.16618,
title = {Cross-level Attention with Overlapped Windows for Camouflaged Object Detection},
author = {Jiepan Li and Fangxiao Lu and Nan Xue and Zhuohong Li and Hongyan Zhang and Wei He},
journal= {arXiv preprint arXiv:2311.16618},
year = {2024}
}
备注
I am withdrawing this submission as I have developed a significantly expanded and improved version of this work. The new research incorporates substantial advancements, which extend beyond the scope of the original paper. To avoid redundancy and ensure the highest quality of contribution, I will submit the enhanced version in a future manuscript.