カモフラージュされた物体の同時局所化、セグメンテーションおよびランキング

カモフラージュは、種を問わず生存に重要な防御メカニズムであり、背景との同化、環境の色やパターンの模倣、体の輪郭を隠すための破壊的色彩といった一般的な戦略が存在します[35]。カモフラージュされた物体検出（COD）は、周囲に隠れているカモフラージュされた物体をセグメンテーションすることを目指しています。既存のCODモデルは、二値の真値に基づいており、カモフラージュされた物体をセグメンテーションする際にはその程度を示さないでいます。本論文ではこの課題を見直し、特定の背景に対するカモフラージュされた物体の目立つ度合いを明示的にモデリングすることで、動物のカモフラージュと進化についてより深い理解を得られるだけでなく、より洗練されたカモフラージュ技術の設計にも道筋をつけられると主張します。さらに、我々は捕食者がカモフラージュされた物体を見つけられるのはその一部特定の部位によるものであることを観察しました。以上のカモフラージュされた物体に関する理解に基づき、我々は初めてランク付けを行うCODネットワーク（Rank-Net）を提案します。このネットワークは同時に局所化、セグメンテーション、およびランク付けを行います。局所化モデルは、カモフラージュされた物体が目立つ理由となる差別的な領域を見つけ出すことを目的としています。セグメンテーションモデルは、カモフラージュされた物体全体をセグメンテーションします。そして、ランク付けモデルは異なるカモフラージュされた物体の検出可能性を推定します。また、我々はCODモデルの汎化能力評価のために大規模なCODテストセットも提供しています。実験結果は、我々のモデルが新しい最先端性能を達成し、より解釈可能なCODネットワークにつながることを示しています。