面向伪装物体检测的 Mamba 胶囊路由：基于部件-整体关系
计算机视觉与模式识别
2024-10-08 v1
摘要
胶囊网络（CapsNets）所赋予的部件-整体关系属性，因其分割完整性，已被证明在伪装物体检测中效果良好。然而，具有重计算负担和大参数量的基于期望最大化（EM）胶囊路由算法，阻碍了这一趋势。其根本原因在于基于像素的胶囊路由。本文提出一种基于类型级别的 Mamba 胶囊路由方法。具体而言，我们首先提取 Mamba 中的隐式潜在状态作为胶囊向量，从像素级别的版本中抽象出类型级别的胶囊。这些类型级别的 Mamba 胶囊被输入 EM 路由算法，以获得高层 Mamba 胶囊，从而大幅减少因探索部件-整体关系而产生的像素级别胶囊路由的计算量和参数。此外，为获取进一步的伪装预测所需的像素级别胶囊特征，我们基于低层像素级别胶囊，并借助相邻层类型级别 Mamba 胶囊的相关性实现。在三个广泛使用的伪装物体检测基准数据集上进行的大量实验表明，我们的方法显著优于当前流派。代码已公开于 https://github.com/Liangbo-Cheng/mamba_capsule。
引用
@article{arxiv.2410.03987,
title = {Mamba Capsule Routing Towards Part-Whole Relational Camouflaged Object Detection},
author = {Dingwen Zhang and Liangbo Cheng and Yi Liu and Xinggang Wang and Junwei Han},
journal= {arXiv preprint arXiv:2410.03987},
year = {2024}
}