동시에 위장된 객체의 위치, 분할 및 순위 결정

ouflage는 종 간의 주요 방어 메커니즘으로, 생존에 결정적인 역할을 합니다. 보편적인 위장 전략에는 배경과의 일치(background matching), 환경의 색상과 패턴을 모방하는 것(imitating the color and pattern of the environment), 그리고 윤곽선을 가리기 위한 혼란스러운 색상(disruptive coloration)이 포함됩니다 [35]. 위장 객체 검출(COD)은 환경 속에 숨겨진 위장 객체를 분할하는 것을 목표로 합니다. 기존의 COD 모델들은 위장 객체를 분할하기 위해 이진 지도(binary ground truth)를 기반으로 하며, 위장 정도를 나타내지 않습니다. 본 논문에서는 이 작업을 재검토하고, 특정 배경에 대해 위장 객체의 눈에 띄는 정도(conspicuousness)를 명시적으로 모델링하면 동물들의 위장과 진화에 대한 더 나은 이해를 제공할 뿐만 아니라, 더 복잡한 위장 기술 설계에도 도움이 될 수 있음을 주장합니다. 또한, 우리는 일부 특정 부분이 포식자에게 위장 객체를 감지 가능하게 만든다는 점을 관찰하였습니다. 이러한 위장 객체에 대한 이해를 바탕으로, 우리는 처음으로 위치 추정, 분할 및 순위 매기기를 동시에 수행하는 순위 기반 COD 네트워크(Rank-Net)를 제안합니다. 위치 추정 모델은 위장 객체가 명확해지는 차별적 영역(discriminative regions)을 찾는 데 사용됩니다. 분할 모델은 전체 범위의 위장 객체를 분할합니다. 그리고 순위 매기기 모델은 다양한 위장 객체의 감지 가능성(detectability)을 추론합니다. 또한, 우리는 COD 모델들의 일반화 능력을 평가하기 위한 큰 규모의 COD 테스트 세트를 제공합니다. 실험 결과는 우리의 모델이 새로운 최고 성능(state-of-the-art)을 달성하였으며, 해석 가능한 COD 네트워크로 이끌었다는 것을 보여줍니다.