SPEGNet：面向伪装物体检测的感知引导网络
计算机视觉与模式识别
2025-10-07 v1 人工智能
机器学习
图像与视频处理
摘要
伪装物体检测用于分割具有内在相似性和边界扰乱的物体。当前检测方法依赖于累积的复杂组件。每个方法独立添加边界模块、注意力机制和多尺度处理器等组件。这种累积导致计算负担而没有按比例的性能提升。为了管理这种复杂性，它们在降低分辨率上进行处理，消除了对伪装细节的关键。我们提出 SPEGNet，通过统一设计来解决碎片化问题。该体系结构通过通道校准和空间增强集成多尺度特征。边界直接从富有上下文的表示中生成，保持语义-空间对齐。渐进式细化实现尺度适应的边缘调制，在中间分辨率处具有峰值影响。该设计在边界精度和区域一致性之间取得平衡。SPEGNet 在 CAMO 上达到 0.887 ，在 COD10K 上达到 0.890，在 NC4K 上达到 0.895，实现实时推理速度。我们的做法在尺度方面表现出色，从微小且复杂的物体到大型类似图案的物体，同时处理遮挡和模糊边界。代码、模型权重和结果均可在 \href{https://github.com/Baber-Jan/SPEGNet}{https://github.com/Baber-Jan/SPEGNet} 上获取。
引用
@article{arxiv.2510.04472,
title = {SPEGNet: Synergistic Perception-Guided Network for Camouflaged Object Detection},
author = {Baber Jan and Saeed Anwar and Aiman H. El-Maleh and Abdul Jabbar Siddiqui and Abdul Bais},
journal= {arXiv preprint arXiv:2510.04472},
year = {2025}
}