BriefGPT - AI 论文速递
·
从噪声伪标签中学习伪装物体检测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种名为CamoDiffusion的方法，用于伪装目标检测。该方法使用扩散模型的去噪过程来减少掩蔽的噪声，并能从掩蔽分布中采样多个可能的预测。实验结果表明，该方法在COD数据集上表现出优越的性能。
🎯
关键要点
- 提出了一种名为CamoDiffusion的方法，用于伪装目标检测（COD）。
- CamoDiffusion使用扩散模型的去噪过程来减少掩蔽的噪声。
- 该方法能够从掩蔽分布中采样多个可能的预测，避免过分预测错误。
- 实验结果表明，该方法在三个COD数据集上表现优越，特别是在COD10K数据集上达到了0.019的MAE（平均绝对误差）。
🏷️
标签
➡️
