指代式伪装目标检测
计算机视觉与模式识别
2025-03-25 v3
摘要
我们考虑指代式伪装目标检测（Ref-COD）这一问题，这是一项新任务，旨在基于少量包含显著目标物体的指代图像，分割出指定的伪装物体。我们首先构建了一个大规模数据集，称为 R2C7K，其包含真实场景中的 7K 图像，涵盖 64 个物体类别。随后，我们开发了一个简洁而强大的双分支框架，称为 R2CNet，其中参考分支从指代图像中嵌入目标物体的共性表征，分割分支在该共性表征引导下识别并分割伪装物体。特别地，我们设计了指代掩码生成模块以生成像素级先验掩码，以及指代特征增强模块以提升识别指定伪装物体的能力。大量实验表明，我们的 Ref-COD 方法在分割指定伪装物体和识别目标物体主体方面优于相应的 COD 方法。我们的代码与数据集公开于 https://github.com/zhangxuying1004/RefCOD。
引用
@article{arxiv.2306.07532,
title = {Referring Camouflaged Object Detection},
author = {Xuying Zhang and Bowen Yin and Zheng Lin and Qibin Hou and Deng-Ping Fan and Ming-Ming Cheng},
journal= {arXiv preprint arXiv:2306.07532},
year = {2025}
}