同步定位、分割与排序伪装目标
计算机视觉与模式识别
2021-04-14 v2
摘要
伪装是跨物种的关键防御机制，对生存至关重要。常见的伪装策略包括背景匹配、模仿环境的颜色与图案，以及破坏色、掩饰身体轮廓[35]。伪装目标检测（COD）旨在分割隐藏于周围环境中的伪装目标。现有COD模型基于二值真值分割伪装目标，而未阐明伪装程度。本文重新审视该任务，认为显式建模伪装目标相对于其特定背景的显著性是必要的，这不仅能增进对动物伪装与进化的理解，也可为设计更精巧的伪装技术提供指导。此外，我们观察到正是伪装目标的某些特定部位使其能被捕食者发现。基于对上述伪装目标的理解，我们提出了首个基于排序的COD网络（Rank-Net），以同步定位、分割并排序伪装目标。定位模型用于寻找使伪装目标显眼的判别性区域；分割模型分割伪装目标的完整范围；排序模型推断不同伪装目标的可检测性。此外，我们贡献了一个大型COD测试集以评估COD模型的泛化能力。实验结果表明，我们的模型取得了新的SOTA，并导向更具可解释性的COD网络。
引用
@article{arxiv.2103.04011,
title = {Simultaneously Localize, Segment and Rank the Camouflaged Objects},
author = {Yunqiu Lv and Jing Zhang and Yuchao Dai and Aixuan Li and Bowen Liu and Nick Barnes and Deng-Ping Fan},
journal= {arXiv preprint arXiv:2103.04011},
year = {2021}
}
备注
Accepted to IEEE/CVF CVPR 2021. Our code and dataset are publicly available at https://github.com/JingZhang617/COD-Rank-Localize-and-Segment