[論文レビュー] Deep Texture-Aware Features for Camouflaged Object Detection

Jingjing Ren, Xiaowei Hu+6 more|arXiv (Cornell University)|Feb 5, 2021

Visual Attention and Saliency Detection参考文献 36被引用数 32

ひとこと要約

本論文はTANetというディープテクスチャー認識リファインメントフレームワーク（TARM）を提案し、テクスチャ差を増幅して隠れ物体検出（COD）を改善、CODベンチマークで最先端の結果を達成する。

ABSTRACT

Camouflaged object detection is a challenging task that aims to identify objects having similar texture to the surroundings. This paper presents to amplify the subtle texture difference between camouflaged objects and the background for camouflaged object detection by formulating multiple texture-aware refinement modules to learn the texture-aware features in a deep convolutional neural network. The texture-aware refinement module computes the covariance matrices of feature responses to extract the texture information, designs an affinity loss to learn a set of parameter maps that help to separate the texture between camouflaged objects and the background, and adopts a boundary-consistency loss to explore the object detail structures.We evaluate our network on the benchmark dataset for camouflaged object detection both qualitatively and quantitatively. Experimental results show that our approach outperforms various state-of-the-art methods by a large margin.

研究の動機と目的

• 背景の類似性によるテクスチャ判別の課題として、隠れ物体検出（COD）を動機づける。
• 隠れ物体と背景との間のテクスチャ差を学習・増幅するテクスチャ対応リファインメントモジュールを提案する。
• オブジェクトの細部と境界精度を向上させるために境界整合性損失を取り入れる。
• 標準ベンチマークで最先端のCOD、SOD、セマンティックセグメンテーション手法と比較評価する。
• 定性的ビジュアル化と定量的指標による改善を示す。

提案手法

• CNN層全体に複数のテクスチャ認識リファインメントモジュール（TARM）を配置したTANetアーキテクチャを導入する。
• 各TARM内でチャネル応答の画素ごとの共分散行列を計算してテクスチャ情報を捉える。
• 特徴を変換しテクスチャ差を増幅するアフィニティベースのパラメータマップ（gamma, beta）を学習する。
• 高分解能マップ上でオブジェクト境界を横断して細部を保持するために境界整合性損失を適用する。
• テクスチャリファインメントの前に特徴を洗練させるため、マルチレイヤー監視と残差リファインブロックを用いて学習する。
• 3つのベンチマークデータセットで標準的なCOD指標（S_alpha, E_phi, F_beta^w, MAE）を用いて評価する。

(a) input image

実験結果

リサーチクエスチョン

• RQ1 テクスチャ認識に基づくリファインメントは、隠れ物体と類似テクスチャの背景との識別を改善できるか。
• RQ2 共分散ベースのテクスチャ特徴とアフィニティ変換は、既存手法よりCOD性能を向上させるか。
• RQ3 境界整合性損失は追加のテストコストなしで境界の詳細を改善するか。
• RQ4 CODベンチマークにおけるTANetは、最先端のCOD、SOD、セマンティックセグメンテーション手法とどう比較されるか。

主な発見

手法	CHAMELEON S_alpha↑	CHAMELEON E_phi↑	CHAMELEON F_beta^w↑	CHAMELEON M↓	CAMO-Test S_alpha↑	CAMO-Test E_phi↑	CAMO-Test F_beta^w↑	CAMO-Test M↓	COD10K-Test S_alpha↑	COD10K-Test E_phi↑	COD10K-Test F_beta^w↑	COD10K-Test M↓
SINet	0.869	0.891	0.740	0.044	0.751	0.771	0.606	0.100	0.771	0.806	0.551	0.051
TANet (ours)	0.888	0.911	0.786	0.036	0.793	0.834	0.690	0.083	0.803	0.848	0.629	0.041

• TANetは、CHAMELEON、CAMO-Test、COD10K-Testの3つのデータセットで、13件の最先端手法に対して平均性能で優位を示す。
• TANet（提案手法）では、CHAMELEONで S_alpha=0.888, E_phi=0.911, F_beta^w=0.786, M=0.036; CAMO-Testで S_alpha=0.793, E_phi=0.834, F_beta^w=0.690, M=0.083; COD10K-Testで S_alpha=0.803, E_phi=0.848, F_beta^w=0.629, M=0.041。
• SINetと比較して、TANetは3データセットすべてでS_alpha、E_phi、F_beta^wが高く、MAEが低い。
• アブレーション研究は、Residual Refine Blocks（RRB）と境界整合性損失（BCL）を備えたTARMsを追加すると、COD指標が段階的に改善されることを示す。
• 境界整合性損失はTARMsにおける境界の品質とディテールを改善し、テストコストを増やさない。
• 定性的ビジュアルは、テクスチャ差の増幅とTANetによるより正確なCODマップを示している。

(b) ground truth