EviRCOD：面向指代伪装目标检测的证据引导概率解码
计算机视觉与模式识别
2026-04-14 v1
摘要
指代伪装目标检测（Ref-COD）专注于利用类别对齐的参考信息，在查询图像中分割特定的伪装目标。尽管近期取得进展，现有方法在参考-目标语义对齐、显式不确定性建模以及鲁棒边界保持方面仍面临挑战。为解决这些问题，我们提出 EviRCOD，一个由三个核心组件构成的集成框架：（1）参考引导的可变形编码器（RGDE），采用分层参考驱动调制和多尺度可变形聚合，注入语义先验并对齐跨尺度表示；（2）不确定性感知的证据解码器（UAED），将狄利克雷证据估计融入分层解码，以建模不确定性并在各尺度间传播置信度；（3）边界感知细化模块（BARM），通过利用低级边缘线索和预测置信度，选择性地增强模糊边界。在 Ref-COD 基准上的实验表明，EviRCOD 在提供良好校准的不确定性估计的同时，实现了最先进的检测性能。代码见：https://github.com/blueecoffee/EviRCOD。
引用
@article{arxiv.2604.10894,
title = {EviRCOD: Evidence-Guided Probabilistic Decoding for Referring Camouflaged Object Detection},
author = {Ye Wang and Kai Huang and Sumin Shen and Chenyang Ma},
journal= {arXiv preprint arXiv:2604.10894},
year = {2026}
}