Camouflaged Moving Object 检测的高质量基准数据集
微分几何
2026-04-10 v1 数学物理
math.MP
摘要
在计算机视觉中发现伪装对象是一个具有挑战性的任务，由于伪装对象与其周围环境高度相似。虽然针对连续视频帧中的伪装对象检测问题受到日益关注，但现有视频伪装对象检测（VCOD）数据集的规模和多样性 severely 受限，这阻碍了对近期深度学习算法进行深入分析和广泛评估。为突破这一瓶颈，本文构建了 CAMotion，一个覆盖广泛物种的高质量基准，涵盖野生环境中的伪装移动对象检测。CAMotion 包含各种具有多种挑战性属性的序列，如不确定边缘、遮挡、运动模糊和形状复杂性等。从多个角度呈现序列标注细节和统计分布，使 CAMotion 能够对不同挑战情景下伪装对象的运动特征进行深入分析。此外，我们在 CAMotion 上对现有的 SOTA 模型进行了全面评估，并讨论了 VCOD 任务的主要挑战。该基准数据集可在 https://www.camotion.focuslab.net.cn 获取，我们希望 CAMotion 能引领研究社区的进一步进展。
引用
@article{arxiv.2604.08288,
title = {Lie-Poisson reduction in principal bundles by a subgroup of the structure group},
author = {Miguel Ángel Berbel and Marco Castrillón López},
journal= {arXiv preprint arXiv:2604.08288},
year = {2026}
}
备注
22 pages