本文介绍了一种新颖的上下文感知交叉级融合网络（C2F-Net），用于伪装对象检测（COD）。该模型通过注意力引导的跨级融合模块和双分支全局上下文模块处理高层特征，实验结果表明其性能优于现有模型。此外，提出了CoCOD8K数据集和双向分支网络（BBNet），以提高伪装目标检测的准确性。

本文介绍了一种新型计算机体系结构，利用运动信息进行伪装对象检测，提出了多个模型和数据集以提高迷彩目标的分割和识别效果。研究展示了从Rank-Net模型到CoCOD任务的多种方法在不同基准测试中的优越性能，推动了伪装目标检测领域的发展。