Distraction-aware camouflaged object segmentation

本文致力于设计一个有效且高效的伪装物体分割（Camouflaged Object Segmentation, COS）模型. 为此，本文开发了一个生物启发的框架，称为金字塔定位和聚焦网络（Pyramid Positioning and Focus Network, PFNet+），其模仿了自然界中的捕食过程. 具体地，本文的PFNet+包含三个关键模块，即：上下文增强模块（Context Enrichment, CEn）、金字塔定位模块（Pyramid Positioning Module, PPM）和聚焦模块（Focus Module, FM）. CEn通过整合上下文信息来增强骨干特征的表征能力，从而提供更有辨别性的骨干特征. PPM被设计用来模仿捕食中的检测过程，以金字塔的方式从全局的角度定位潜在的目标物体. 然后FM被用来执行捕食中的识别过程，通过在歧义区域的聚焦来逐步细化初始的预测结果. 值得注意的是，在FM中，本文开发了一个新颖的分心挖掘策略以用于分心区域的发现和去除，以提高预测的性能. 大量的实验证明本文的PFNet+能够实时运行（56fps），在四个标准度量指标下，PFNet+在三个具有挑战性的数据集上都显著优于现有的20个最新模型，在其他视觉任务（如息肉分割）上的实验进一步证明了PFNet+的泛化能力. 项目主页：https://mhaiyang.github.io/SSI2023-PFNet-Plus.