VALSE 论文速览 第18期：伪装目标同步定位、分割和评级算法

论文题目：伪装目标同步定位、分割和评级算法

作者列表：吕韵秋 (西北工业大学)，张静 (澳大利亚国立大学，CSIRO)，戴玉超 (西北工业大学)，李艾轩 (西北工业大学)，刘博文 (西北工业大学)，NickBarnes (澳大利亚国立大学)，范登平 (起源人工智能研究院)

B站观看网址：

https://www.bilibili.com/video/BV18L4y1B79K/

论文摘要：

伪装是一种生物防御机制。常见的伪装策略包括背景匹配和破坏性着色，通过模仿环境的颜色和图案，掩盖身体轮廓达到伪装目的。伪装目标检测（COD）旨在分割隐藏在周围环境中的伪装物体。然而，现有的COD模型建立在二元分割任务的基础上，而没有说明伪装的程度。在本文中，我们发现显式地对伪装物体在复杂背景下的显著程度进行建模，不仅可以帮助研究人员更好地理解动物的伪装和进化，还可以辅助伪装图案设计。此外，捕食者通常借助伪装目标内部的一些较为显著的可辨别区域作为引导对其进行识别。基于上述对伪装目标的理解，我们提出了基于伪装等级评价的网络（Rank-Net），同时对伪装物体进行定位、分割和评级。其中，定位模型的提出是为了找到使伪装目标更加明显的辨别性区域，分割模型对伪装目标的整体范围进行分割，评级模型预测不同伪装目标的识别难度。此外，我们提供了一个大型COD测试集来评估COD模型的泛化能力。

论文信息：

[1] Yunqiu Lv, Jing Zhang, Yuchao Dai, Aixuan Li, Bowen Liu, Nick Barnes, Deng-ping Fan, “Simultaneously localize, segment and rank the camouflaged objects,” in Proceeding of IEEE Computer Vision and Pattern Recognition (CVPR 2021), virtual, June 2021.

论文链接：

[https://openaccess.thecvf.com/content/CVPR2021/papers/Lv_Simultaneously_Localize_Segment_and_Rank_the_Camouflaged_Objects_CVPR_2021_paper.pdf]

代码链接：

[https://github.com/JingZhang617/COD-Rank-Localize-and-Segment]

视频讲者简介：

吕韵秋，西北工业大学博士生，研究方向为深度学习与低层视觉，专注于伪装目标检测和显著性检测。

特别鸣谢本次论文速览主要组织者：

月度轮值AC：张长青 (天津大学)、江波 (安徽大学)

季度责任AC：许永超 (武汉大学)