위장 객체 분할을 위한 방해 요소 발굴

위장 객체 분할(Camouflaged Object Segmentation, COS)은 주변 환경에 "완벽하게" 동화된 객체를 식별하는 것을 목표로 하며, 이는 다양한 유용한 응용 분야를 가지고 있습니다. COS의 핵심적인 도전 과제는 후보 객체와 노이즈 배경 간에 본질적으로 높은 유사성이 존재한다는 점입니다. 본 논문에서는 효과적이고 효율적인 COS를 위한 도전 과제들을 포괄적으로 다루고자 합니다. 이를 위해 자연에서 발생하는 포식 과정을 모방한 생물학적으로 영감을 받은 프레임워크인 위치 지정 및 초점 네트워크(Positioning and Focus Network, PFNet)를 개발하였습니다.구체적으로, 우리의 PFNet은 위치 지정 모듈(Positioning Module, PM)과 초점 모듈(Focus Module, FM)이라는 두 가지 핵심 모듈을 포함하고 있습니다. PM은 포식 과정에서의 탐지 단계를 모방하여 전반적인 관점에서 잠재적인 대상 객체들의 위치를 결정하도록 설계되었습니다. 이후 FM은 포식 과정에서의 식별 단계를 모방하여 애매한 영역에 초점을 맞추어 거친 예측 결과를 점진적으로 정교하게 개선하는 역할을 수행합니다. 특히 FM에서는 새로운 방해 요소 발굴 전략(Distraction Mining Strategy)을 개발하여 방해 요소의 발견과 제거를 통해 추정 성능 향상을 도모하였습니다.다양한 실험을 통해 우리의 PFNet이 실시간으로 작동(72 FPS)하며, 세 가지 어려운 데이터셋에서 네 가지 표준 평가 지표 아래 18개의 최신 모델보다 크게 우수함이 입증되었습니다.