Camouflaged Object Segmentation With A Single

컴퓨터 비전 분야에서 위장 객체 분할 작업은 효과적인 분할을 달성하기 위해 대량의 주석 데이터가 일반적으로 필요합니다. 그러나 'Segment Anything Model' (SAM)과 같은 프롬프트 기반 분할 모델은 인스턴스별 시각적 프롬프트만으로도 미처 본 적 없는 이미지에서 뛰어난 성능을 보입니다. 그러나 복잡한 장면에서 위장된 객체를 처리할 때는 인스턴스별 프롬프트더라도 SAM의 성능이 제한될 수 있습니다. 따라서 이 작업은 다양한 데이터셋에서 위장 객체 분할의 성능을 개선하고, 대량의 라벨링된 데이터에 대한 의존성을 줄이며, 모델의 일반화와 실용성을 향상시키기 위해 단일 작업-일반 프롬프트를 사용하는 것을 목표로 합니다.