前景聚焦：增强伪装图像生成中的连贯性与保真度
计算机视觉与模式识别
2025-04-04 v1
摘要
伪装图像生成正成为解决伪装视觉感知中数据稀缺问题的方案，提供了一种替代数据收集与标注的高性价比途径。近期，state-of-the-art 方法仅使用前景物体便成功生成了伪装图像。然而，该方法存在两个关键弱点：1) 背景知识未能与前景特征有效整合，导致缺乏前景与背景的连贯性（例如颜色差异）；2) 生成过程未优先考虑前景物体的保真度，从而导致失真，对于小物体尤为明显。为了解决这些问题，我们提出了一种前景感知伪装图像生成模型。具体而言，我们引入了前景感知特征整合模块以加强前景特征与背景知识的整合。此外，还设计了前景感知去噪损失以增强前景重建的监督。在多个数据集上的实验表明，我们的方法在整体伪装图像质量和前景保真度方面均优于先前的方法。
引用
@article{arxiv.2504.02180,
title = {Foreground Focus: Enhancing Coherence and Fidelity in Camouflaged Image Generation},
author = {Pei-Chi Chen and Yi Yao and Chan-Feng Hsu and HongXia Xie and Hung-Jen Chen and Hong-Han Shuai and Wen-Huang Cheng},
journal= {arXiv preprint arXiv:2504.02180},
year = {2025}
}