カモフラージュされた物体は、自然環境下では人間にとっても一般的に検出が困難です。本論文では、インスタンスセグメンテーションとミラーストリームを活用した新しい生物 Inspirational ネットワークである MirrorNet を提案します。既存のセグメンテーションネットワークとは異なり、提案するネットワークには2つのセグメンテーションストリームが存在します：元の画像に対応するメインストリームと、反転した画像に対応するミラーストリームです。ミラーストリームからの出力は、最終的なカモフラージュマップを作成するためにメインストリームの結果と融合され、セグメンテーション精度の向上に寄与します。公開されている CAMO データセットを用いた広範な実験により、提案手法の有効性が示されました。提案手法は精度89%を達成し、最先端の手法を上回っています。プロジェクトページ: https://sites.google.com/view/ltnghia/research/camo