基于多上下文重叠窗口交叉注意力的指涉式伪装目标检测
计算机视觉与模式识别
2025-11-18 v1
摘要
指涉式伪装目标检测（Ref-COD）旨在通过融合参考信息（如图像和文本描述）来识别隐藏的目标。以往研究将参考图像中的显著目标转化为一维提示，取得了显著成果。我们探索通过多上下文融合丰富的显著图像特征和伪装目标特征来提升性能。因此，我们提出 RFMNet，利用参考显著图像多个编码阶段的特征，并在对应的编码阶段与伪装特征进行交互式融合。鉴于显著目标图像中的特征包含丰富的物体相关细节信息，在局部区域内进行特征融合对检测伪装目标更有益。因此，我们提出了重叠窗口交叉注意力机制，使模型能够基于参考特征更专注于局部信息匹配。此外，我们提出指涉特征聚合（RFA）模块，用于逐步解码和分割伪装目标。大量实验在 Ref-COD 数据集上进行，表明本方法实现了最先进的性能。
引用
@article{arxiv.2511.13249,
title = {Referring Camouflaged Object Detection With Multi-Context Overlapped Windows Cross-Attention},
author = {Yu Wen and Shuyong Gao and Shuping Zhang and Miao Huang and Lili Tao and Han Yang and Haozhe Xing and Lihe Zhang and Boxue Hou},
journal= {arXiv preprint arXiv:2511.13249},
year = {2025}
}
备注
12 pages, 7figures, This work is supported by National Nature Science Foundation of China (Grant No. 62203291)