CAMO: 相关感知遮罩优化与调制增强学习
内容提要
本文介绍了开放词汇伪装物体分割（OVCOS）任务及其数据集OVCamo，包含11,483张图像和细粒度注释。通过结合类别语义知识和视觉结构线索，提出的方法有效捕捉伪装对象，并在OVCamo数据集上超越了现有的语义图像分割技术。该任务旨在推动开放词汇密集预测研究的发展。
延伸解读
开放词汇伪装分割的任务定位
文章将开放词汇伪装物体分割（OVCOS）定义为一个新任务，其目标是推动开放词汇密集预测研究。与传统的伪装物体检测不同，OVCOS 要求模型在开放词汇设定下识别并分割伪装对象，这需要模型同时具备类别语义理解和视觉结构感知能力。文章指出，该任务具有更多实际价值，并希望通过数据集和基线扩展相关研究。
OVCamo 数据集的构建与特点
为了支持 OVCOS 任务，作者构建了 OVCamo 数据集，包含 11,483 张精选图像和细粒度注释，专注于复杂场景中的伪装对象。该数据集的大规模和细粒度标注为开放词汇伪装分割提供了基准，有助于评估模型在复杂环境下的泛化能力。文章强调，该数据集是推动该方向研究的重要资源。
方法核心：语义与结构线索的融合
所提出的方法通过集成类别语义知识的指导和依赖边缘与深度信息的视觉结构线索的补充，有效捕捉伪装对象。这种融合策略旨在弥补单一线索的不足，提升模型在复杂场景中的分割精度。文章称，该框架在 OVCamo 数据集上超越了先前最先进的开放词汇语义图像分割方法，验证了其有效性。
Q&A
开放词汇伪装物体分割（OVCOS）是什么？
OVCOS是一个新的任务，旨在推动开放词汇密集预测研究的发展，专注于伪装对象的分割。
OVCamo数据集包含多少张图像？
OVCamo数据集包含11,483张图像和细粒度注释。
该方法如何有效捕捉伪装对象？
该方法结合类别语义知识和视觉结构线索，有效捕捉伪装对象。
该方法在OVCamo数据集上的表现如何？
该方法在OVCamo数据集上超越了现有的语义图像分割技术，展示了其有效性。
OVCOS任务的研究有什么实际价值？
OVCOS任务的研究旨在扩展开放词汇密集预测任务的研究，具有更多实际应用价值。
OVCamo数据集的注释特点是什么？
OVCamo数据集提供了细粒度的注释，专注于复杂场景中的伪装对象。
