Continuous Feature Representation for Camouflaged Object Detection

Song Ze

doi:10.1109/TIP.2025.3602657

Continuous Feature Representation for Camouflaged Object Detection

2025-01-01

0

PRE

AI

DOI：10.1109/TIP.2025.3602657

原文链接

原文求助

摘要

En 中文

伪装目标检测（COD）旨在发现与环境无缝嵌入的目标。现有的COD方法通过通常以离散方式使用像素数组表示特征，已取得显著进展。然而，受离散表示的限制，这些方法在解码时需要将不同尺度的特征对齐，这导致一些细微的判别线索变得模糊。这对从清晰的细微线索中识别伪装目标的任务造成了巨大打击。为解决此问题，我们提出了一种新颖的连续特征表示网络（CFRN），旨在将不同尺度的特征表示为连续函数以用于COD。具体而言，首先利用Swin Transformer编码器探索伪装目标与背景之间的全局上下文。然后，设计了一个分层部署的对象聚焦模块（OFM），用于深度挖掘细微的判别线索，从而突出伪装目标的主体并抑制不同尺度上的其他干扰目标。最后，提出了一种新颖的基于频率的隐式特征解码器（FIFD），它通过隐式神经表示直接解码连续函数中任意坐标处的预测，从而传播更清晰的判别线索。在四个具有挑战性的COD基准上的大量实验表明，我们的方法显著优于当前最优方法。源代码将发布于https://github.com/SongZeHNU/CFRN。

Keyword:

Camouflaged object detection

implicit neural representation

Continuous Feature Representation for Camouflaged Object Detection

摘要

期刊

机构

引用论文