[論文レビュー] Boundary-aware Camouflaged Object Detection via Deformable Point Sampling

Minhyeok Lee, Suhwan Cho+4 more|arXiv (Cornell University)|Nov 22, 2022

Visual Attention and Saliency Detection被引用数 4

ひとこと要約

本稿では、局所的な境界詳細とグローバルな文脈的情報を統合することで特徴抽出を向上させる、可変ポイントサンプリング変換器（DPS変換器）を用いた、境界に注意を払う新たな迷彩オブジェクト検出ネットワークDPS-Netを提案する。この手法は、CHAMELEON、CAMO、COD10Kの3つのデータセットにおいて、高い精度と推論効率を達成し、最先端の性能を示した。

ABSTRACT

The camouflaged object detection (COD) task aims to identify and segment objects that blend into the background due to their similar color or texture. Despite the inherent difficulties of the task, COD has gained considerable attention in several fields, such as medicine, life-saving, and anti-military fields. In this paper, we propose a novel solution called the Deformable Point Sampling network (DPS-Net) to address the challenges associated with COD. The proposed DPS-Net utilizes a Deformable Point Sampling transformer (DPS transformer) that can effectively capture sparse local boundary information of significant object boundaries in COD using a deformable point sampling method. Moreover, the DPS transformer demonstrates robust COD performance by extracting contextual features for target object localization through integrating rough global positional information of objects with boundary local information. We evaluate our method on three prominent datasets and achieve state-of-the-art performance. Our results demonstrate the effectiveness of the proposed method through comparative experiments.

研究の動機と目的

• 色やテクスチャが背景と類似するため、視覚的差がほとんどない迷彩オブジェクトを検出する課題に対処すること。
• オブジェクトと背景の視覚的類似性のため、従来のモデルが細かい境界詳細を捉えることに苦労するという限界を克服すること。
• スパarsな、適応的な特徴抽出により、計算コストを低減しながらも高い検出精度を維持するモデルの効率を向上させること。
• 統合されたトランスフォーマー基盤フレームワークを用いて、局所的境界情報とグローバルなオブジェクト位置の手がかりを統合することで、特徴表現を強化すること。

提案手法

• DPS変換器は、学習されたオフセットを用いた可変サンプリングポイントを用いるローカル抽出器を採用し、顕著な境界領域に注目することで、局所的特徴抽出の効率を向上させる。
• グローバル抽出器は、マスク処理された特徴領域におけるグローバル平均プーリングを用いて、ソフトなオブジェクト領域およびバックグラウンド領域マスクを生成し、強力なグローバル文脈学習を可能にする。
• アグレゲータは、局所的境界特徴とグローバル文脈特徴を統合して、物体局在化を向上させる包括的な表現を生成する。
• 可変ポイントサンプリング機構は、予測されたオフセットに基づいて情報量の多いポイントを動的に選択することで、計算量を削減するとともに特徴の関連性を高める。
• 境界デコーダーと境界特徴モジュール（BFM）を統合し、予測された境界マップを用いて特徴統合をガイドすることで、境界予測を精緻化する。
• 本モデルは、CNNベース（DPS-Net-R）およびトランスフォーマー基盤（DPS-Net-P）の両方のエンコーダーを用いて実装されており、高速な推論と優れた性能を両立している。

実験結果

リサーチクエスチョン

• RQ1 可変ポイントサンプリングは、迷彩オブジェクト検出におけるスパarsで意味のある境界特徴の抽出を改善できるか？
• RQ2 局所的境界特徴とグローバル文脈情報を統合することで、低コントラストで迷彩が豊富なシーンにおける検出精度にどのような影響を与えるか？
• RQ3 繰り返しまたは密サンプリング手法と比較して、提案されたDPS変換器は、性能を維持または向上させつつ、計算コストをどの程度低減できるか？
• RQ4 境界デコーダーとBFMの統合は、微細なフォアグラウンド・バックグラウンド境界を区別する能力を顕著に向上させるか？

主な発見

• 提案されたDPS-Netは、CHAMELEON、CAMO、COD10Kの3つのベンチマークデータセットにおいて最先端の性能を達成し、優れた検出精度を示した。
• CNNベースのバージョン（DPS-Net-R）では、わずか4190万パラメータで36.3 FPSの推論速度を達成し、両方の面でSegMaR [17]を上回った。
• 可変ポイントサンプリング法は、3×3の参照ポイントで最適な性能を示し、それ以上になると効果の逓減が見られたことから、その効率性と有効性が裏付けられた。
• アブレーションスタディの結果、境界デコーダーとBFMを組み合わせることで、境界コンテキストを用いて特徴統合を効果的にガイドできるため、マスク予測が向上した。
• DPS変換器は、標準的なエンコーダーと比較して、オブジェクト境界をよりよく捉える活性化マップが得られることから、特徴表現を顕著に向上させた。
• PVTv2-B4バックボーンを用いたDPS-Net-Pバージョンは、SegMaR [17]と同等の高い性能を達成したが、より高速な推論速度と少ないパラメータ数を実現した。