FCL-COD：周波数対応およびコントラスト学習による弱教師ありカモフラージュ物体検出
arXiv cs.CV / 2026/3/25
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、完全教師ありCODと比べて労力のかかるマスクアノテーションへの依存を減らすことを目的とした、弱教師ありカモフラージュ物体検出フレームワークFCL-CODを提案する。
- 周波数対応のカモフラージュ・シーン知識をSAMへ注入し、「非カモフラージュ物体への応答」などの失敗に対処するために、FoRA（Frequency-aware Low-rank Adaptation）を導入する。
- 局所的／極端な応答の問題に対処し、前景と背景の分離を改善するために、より正確な境界の切り分けを目的とした勾配対応のコントラスト学習を用いる。
- さらに、精緻化された境界認識を強化するために、多尺度の周波数対応表現学習戦略を追加する。
- 著者らによれば、3つのCODベンチマークでの実験により、FCL-CODは既存の弱教師あり手法に加え、一部の完全教師ありアプローチよりも高い性能を示した。
