CFCamo

新AI框架应对伪装目标检测挑战

研究人员开发了新的伪装目标检测（COD）框架，以解决过度检测问题。一种方法CFCamo使用反事实基准来训练智能体，使其能够检测伪装目标并在没有目标时弃权，从而提高了在现有数据集上的性能，并在新的CF-COD基准上实现了高对准确率。另一种方法CamoSAM2通过整合运动和外观线索来优化Segment Anything Model 2（SAM2）的提示，以增强视频中伪装目标的自动检测和分割，在平均交并比（mIoU）和推理速度方面优于当前最先进的方法。