카모플라주 객체 탐지

우리는 환경과 '무결점'처럼 융합된 물체를 식별하는 것을 목표로 하는 새로운 작업인 은폐된 물체 탐지(Camouflaged Object Detection, COD)에 대한 종합적인 연구를 제안한다. 타겟 물체와 배경 간의 높은 내재적 유사성으로 인해 COD는 기존의 물체 탐지 작업보다 훨씬 더 도전적인 과제이다. 이 문제를 해결하기 위해, 다양한 자연 환경에서 은폐된 물체를 포함하는 총 10,000장의 이미지와 78개 이상의 물체 카테고리를 포함하는 새로운 데이터셋인 COD10K를 철저히 수집하였다. 모든 이미지는 카테고리, 경계 상자, 물체 수준 및 인스턴스 수준, 그리고 마팅(matting) 수준의 레이블을 포함하여 밀도 높게 레이블링되어 있다. 이 데이터셋은 위치 추정, 세분화, 알파-마팅(α-matting) 등 다양한 비전 작업의 발전을 촉진하는 계기로 활용될 수 있다. 또한, COD를 위한 간단하면서도 효과적인 프레임워크인 검색-식별 네트워크(Search Identification Network, SINet)를 개발하였다. 복잡한 부가 기능 없이도, 테스트된 모든 데이터셋에서 다양한 최첨단 물체 탐지 기반 모델들을 초월하여 우수한 성능을 보였으며, 향후 COD 연구의 발전을 지원할 수 있는 강력하고 일반적인 프레임워크로 기능한다. 마지막으로, 13개의 최신 모델을 대규모로 평가하여 흥미로운 발견을 도출하고, 몇 가지 잠재적인 응용 사례를 제시하였다. 본 연구는 연구 공동체가 이 새로운 분야에서 더 깊이 탐구할 수 있는 기회를 제공한다. 코드는 https://github.com/DengPingFan/SINet/ 에 공개될 예정이다.