无缝检测：统一显著物体检测与伪装物体检测
计算机视觉与模式识别
2025-03-26 v1
摘要
由于其独特的物体特征（即显著性和伪装性），实现显著物体检测（SOD）和伪装物体检测（COD）的联合学习极具挑战性。目前唯一的初步研究将它们视为两个相互矛盾的任务，分别在大规模标记数据上交替训练每个任务，并独立评估它们。然而，这种任务特定的机制无法满足实际需求，即有效地处理未知任务。为此本文提出一种任务无关框架以统一SOD和COD。具体而言，灵感来自二值分割对SOD和COD而言具有协同性，我们提出对比性蒸馏范式（CDP），以从背景中提取前景，促进在其周围环境中识别显著和伪装物体。为探究CDP的贡献，我们设计了一种简洁且高效的上下文解码器，包含间隔层和全局上下文，实现推理速度为67帧/秒。除监督设置外，我们的CDP可无缝集成到无监督设置中，消除对大量人工标注的依赖。在公开的SOD和COD数据集上进行的实验表明，与现有最先进方法相比，我们提出的框架在监督和无监督设置下均表现出优越性。代码已公开于https://github.com/liuyi1989/Seamless-Detection。
引用
@article{arxiv.2412.16840,
title = {Seamless Detection: Unifying Salient Object Detection and Camouflaged Object Detection},
author = {Yi Liu and Chengxin Li and Xiaohui Dong and Lei Li and Dingwen Zhang and Shoukun Xu and Jungong Han},
journal= {arXiv preprint arXiv:2412.16840},
year = {2025}
}