Camouflaged Object Segmentation With A Single

Dans le domaine de la vision par ordinateur, les tâches de segmentation d'objets camouflés nécessitent généralement une grande quantité de données annotées pour obtenir une segmentation efficace. Cependant, les modèles de segmentation guidés par des prompts, comme le Segment Anything Model (SAM), peuvent performer de manière excellente sur des images inconnues avec seulement des prompts visuels spécifiques à l'instance. Pour des scènes complexes contenant des objets camouflés, les performances du SAM peuvent toutefois être limitées même avec des prompts spécifiques à l'instance. Ainsi, cette tâche vise à améliorer la performance de la segmentation d'objets camouflés sur différents jeux de données grâce à un seul prompt général, réduisant ainsi la dépendance à de grandes quantités de données étiquetées et augmentant la généralisation et la praticité du modèle.