CAMotion：野外環境におけるカモフラージュされた移動物体検出のための高品質ベンチマーク

概要: 迷彩（カモフラージュ）された物体の発見は、迷彩物体とその周辺環境との高い類似性により、コンピュータビジョンにおいて困難な課題です。連続するビデオフレーム上での迷彩物体検出の問題は注目を集めつつありますが、既存のビデオ迷彩物体検出（VCOD）データセットの規模と多様性は大きく制限されており、データを大量に必要とする学習戦略を用いる近年の深層学習ベースのアルゴリズムに対する、より深い分析や幅広い評価を妨げています。このボトルネックを解消するため、本論文では野外における迷彩された移動物体検出のための、高品質なベンチマークであるCAMotionを構築します。CAMotionは、不確かな輪郭、遮蔽、モーションブラー、形状の複雑さなど、複数の困難な属性を持つさまざまなシーケンスで構成されています。シーケンスの注釈の詳細および統計的分布は、さまざまな観点から提示されており、CAMotionが異なる困難な状況における迷彩物体の運動特性について、深い分析を提供できるようにしています。さらに、CAMotionにおいて既存の最先端（SOTA）モデルを包括的に評価し、VCODタスクにおける主要な課題について議論します。ベンチマークは https://www.camotion.focuslab.net.cn で利用可能です。私たちのCAMotionが研究コミュニティにおけるさらなる発展につながることを願っています。