水下伪装目标显现：基于分段掩码的水下伪装实例分割与数据集
计算机视觉与模式识别
2025-10-21 v1
摘要
随着水下探索和海洋保护的发展，水下视觉任务日益普及。由于色彩失真、对比度低和模糊等恶化的水下环境，伪装实例分割(CIS)面临更大挑战，难以准确分割与周围环境高度融合的目标。传统的伪装实例分割方法在以陆地为主且有限水下样本的数据集上训练，可能在水下场景中表现不佳。为此，本文引入了第一个水下伪装实例分割(UCIS)数据集，简称 UCIS4K，包含 3953 张带有实例级标注的伪装海洋生物图像。此外，我们提出了一种基于分段掩码模型(UCIS-SAM)的水下伪装实例分割网络。我们的 UCIS-SAM 包括三个关键模块：首先，通道平衡优化模块(CBOM)增强通道特征以提高水下特征学习，有效解决模型对水下环境理解受限的问题；其次，频域真实集成模块(FDTIM)旨在突出目标的本质特征并减少伪装图案的干扰，提高融合环境中伪装目标的分割性能；最后，多尺度特征频率聚合模块(MFFAM)旨在跨多个频率带加强低对比度伪装实例的边界，提高模型对更精确分割融合环境中伪装目标的能力。在提出的 UCIS4K 和公开基准数据集上的大量实验表明，我们的 UCIS-SAM 在状态的方法中取得了优异的性能。
引用
@article{arxiv.2510.17585,
title = {Expose Camouflage in the Water: Underwater Camouflaged Instance Segmentation and Dataset},
author = {Chuhong Wang and Hua Li and Chongyi Li and Huazhong Liu and Xiongxin Tang and Sam Kwong},
journal= {arXiv preprint arXiv:2510.17585},
year = {2025}
}