论文链接：Open-Vocabulary Camouflaged Object Segmentation 1 introduction 现在的伪装目标检测主要集中在预定义的封闭集场景上，其中所有的语义概念都在推理和训练阶段被看到，但是这过度简化了真实世界的复杂性，因此，作者提出了一个新的方向，开放词汇环境下的伪装目标检测，Open-Vocabula…
论文地址：Frequency-aware Feature Fusion for Dense Image Prediction 1 introduction 先说论文中几个名词： intra-category & inter-category similarity：会计算给定图片每个类的一个category center，就是某个类所有fea…
论文链接：Strategic Preys Make Acute Predators: Enhancing Camouflaged Object Detectors by Generating Camouflaged Objects 1 Introduction 本文以捕食者和被捕食者相互竞争的角度去提升COD任务的检测效果。首先在被捕食者方，使用了…
论文链接：ShapeConv: Shape-aware Convolutional Layer for Indoor RGB-D Semantic Segmentation 1 Why ShapeConv for RGB-D tasks 深度图包含物体的基础形状（局部信息，local geometry）和物体的位置（全局信息，在更大的contex…
论文地址：Spider: A Unified Framework for Context-dependent Concept Segmentation 1 Introduction 首先说一下Context Dependent(CD)和Context Independent(CI) 在自然语言处理中，上下文无关概念是指那些在不同上下文中其含义基本不…
1 Introduction 现在的SOD和COD方法，都是为特定任务训练的模型，比如说深度图、热力图等，这个模型只适用于某种特定的数据集，这种方式不利与泛化，这个模型只能处理单一模式的数据，如果给别的类型的数据，则无法处理。并且，作者发现，不同的任务、不同模态的数据会共享一些相同点，并且有一些独特的线索，只要把这些共同点和独特的线索表示出来，就可…
论文地址：Weakly-Supervised Camouflaged Object Detection with Scribble 1 Introduction 在这篇文章中，作者提出了第一个弱监督的COD模型，它仅使用简笔画(Scribble Annotations)作为监督。总体来说，作者设计了： LCC模块用来模拟人眼的视觉抑制，即抑制一些…
论文地址：Frequency Perception Network for Camouflaged Object Detection 1 Introduction 现在的方法大多在RGB域内进行伪装目标识别，通过纹理不一致性来初步发现伪装目标。在图像频率域里，高频通常描绘图片的细节，低频通常描绘图片的轮廓特征。作者在文章中提出了两阶段识别网络——F…
论文地址：Drop an Octave: Reducing Spatial Redundancy in Convolutional Neural Networks with Octave Convolution 1 Introduction 图片可以被分解为低空间频率和高空间频率的部分，它们分别描述缓慢变化的结构和剧烈变化的详细细节。作者认为卷积层…
论文地址：ECA-Net: Efficient Channel Attention for Deep Convolutional Neural Networks 1 Background ECA-Net是SENet的改进，SENet在计算C个通道的attention score的时候，使用的是单隐藏层的MLP: C->C/r->C，作者…