カモフラージュオブジェクトセグメンテーション 単一の汎用プロンプト

コンピュータビジョンの分野では、カモフラージュされた物体のセグメンテーションタスクは効果的なセグメンテーションを達成するためには大量のアノテーションデータが必要とされます。しかし、Segment Anything Model (SAM) などのプロンプタブルなセグメンテーションモデルは、インスタンス固有の視覚プロンプトを使用することで未見の画像でも優れた性能を発揮します。複雑なシーンやカモフラージュされた物体が含まれる場合でも、SAM の性能はインスタンス固有のプロンプト即便に制限されることがあります。そこで、このタスクでは、異なるデータセット間でカモフラージュされた物体のセグメンテーション性能を向上させるために単一のタスク共通プロンプトを使用することを目指しています。これにより、大量のラベル付きデータへの依存を減らし、モデルの汎化能力と実用性を向上させることができます。