Camouflaged Object Segmentation With A Single

在计算机视觉领域，伪装物体分割任务通常需要大量标注数据以实现有效分割。然而，Promptable Segmentation模型如Segment Anything Model (SAM)仅需实例特定的视觉提示即可在未见过的图像上取得优异表现。对于复杂场景下的伪装物体，即使有实例特定提示，SAM的表现也可能受限。因此，本任务旨在通过单一的任务通用提示，提升伪装物体分割在不同数据集上的性能，从而减少对大量标注数据的依赖，提高模型的泛化能力和实用性。