重新思考无约束场景中显著目标与伪装目标的检测
计算机视觉与模式识别
2025-07-08 v3
摘要
人类视觉系统采用不同机制来感知显著目标与伪装目标，但现有模型难以区分这两类任务。具体而言，显著目标检测（SOD）模型常将伪装目标误判为显著目标，而伪装目标检测（COD）模型则反之将显著目标误判为伪装目标。我们认为，这源于两个因素：（i）当前SOD和COD数据集的特定标注范式，以及（ii）当前模型缺乏显著属性关系的显式建模。主流的SOD/COD数据集强制执行互斥约束，假设场景中仅包含显著目标或伪装目标之一，这与现实情形不符。此外，当前的SOD/COD方法主要针对这些高度受限的数据集设计，缺乏对显著目标与伪装目标之间关系的显式建模。本文旨在推动无约束显著与伪装目标检测的发展，我们构建了一个大规模数据集USC12K，包含全面的标签和四种不同场景，覆盖了显著目标与伪装目标所有可能的逻辑存在情形。为显式建模显著目标与伪装目标之间的关系，我们提出了一种名为USCNet的模型，引入两种不同的提示查询机制，用于建模样本间和样本内的属性关系。此外，为评估模型区分显著目标与伪装目标的能力，我们设计了一种名为CSCS的评估指标。所提出的方法在各种指标下均实现了最先进的性能。代码和数据集将在https://github.com/ssecv/USCNet提供。
引用
@article{arxiv.2412.10943,
title = {Rethinking Detecting Salient and Camouflaged Objects in Unconstrained Scenes},
author = {Zhangjun Zhou and Yiping Li and Chunlin Zhong and Jianuo Huang and Jialun Pei and Hua Li and He Tang},
journal= {arXiv preprint arXiv:2412.10943},
year = {2025}
}
备注
17 pages, 11 figures