MirrorNet: 생물학적 영감을 받은 위장 객체 분할

ouflage된 객체는 일반적으로 인간에게도 자연스러운 환경에서 감지하기 어려우며, 이 논문에서는 이러한 객체의 세그멘테이션을 위해 인스턴스 세그멘테이션과 미러 스트림을 활용하는 새로운 생물학적 영감을 받은 네트워크인 미러넷(MirrorNet)을 제안합니다. 기존의 세그멘테이션 네트워크와 달리, 제안된 네트워크는 원본 이미지와 그 뒤집힌 이미지에 각각 대응하는 두 개의 세그멘테이션 스트림(메인 스트림과 미러 스트림)을 보유하고 있습니다. 미러 스트림의 출력은 메인 스트림의 결과와 융합되어 최종 캠플래지 맵을 생성하여 세그멘테이션 정확도를 향상시킵니다. 공개된 CAMO 데이터셋에서 수행된 광범위한 실험들은 제안된 네트워크의 효과성을 입증하였습니다. 제안된 방법은 89%의 정확도를 달성하며, 기존 최신 기술들을 능가하였습니다.프로젝트 페이지: https://sites.google.com/view/ltnghia/research/camo