PulseAugur
中
实时 09:11:29
English(EN) COD10K-C: Benchmarking Robustness of Camouflaged Object Detection Under Natural Image Corruptions

新基准测试AI模型在图像损坏下的鲁棒性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了COD10K-C，一个旨在测试伪装目标检测模型在各种图像损坏下的鲁棒性的新基准。该基准包含8种类型的损坏，跨越5个严重程度级别，总计40种条件和超过81,000对评估。测试结果显示，SINet-v2和PFNet等流行模型表现出显著的性能下降，尤其是在运动模糊和高斯模糊下，而一个新模型RobustCODLite通过损坏增强和专门的架构组件展示了卓越的韧性。 AI

影响 该基准将推动更具韧性的计算机视觉模型在实际应用中的发展。

排序理由 该集群包含一篇介绍用于评估AI模型性能的新基准的学术论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Arafat Hossain Sayem ·

    COD10K-C: Benchmarking Robustness of Camouflaged Object Detection Under Natural Image Corruptions

    arXiv:2606.02603v1 Announce Type: cross Abstract: Camouflaged object detection has improved substantially, but most standard benchmarks evaluate models only on clean images. This is not realistic because real cameras often capture blur, sensor noise, weather effects, and compress…

相关实体

相关话题