MSRNet: 擬似装物体検出のためのマルチスケール再帰的ネットワーク
MSRNet: A Multi-Scale Recursive Network for Camouflaged Object Detection
November 16, 2025
著者: Leena Alghamdi, Muhammad Usman, Hafeez Anwar, Abdul Bais, Saeed Anwar
cs.AI
要旨
擬似物体検出は、色や質感、大きさが周囲環境と極めて類似しているため、背景に溶け込んだ物体を識別・セグメンテーションする必要がある、新興かつ困難なコンピュータビジョンタスクである。このタスクは、低照度条件、部分的なオクルージョン、微小な物体サイズ、複雑な背景パターン、複数物体の存在によってさらに困難となる。本タスクに対して多くの高度な手法が提案されているが、既存手法は特に複雑なシナリオにおける微小物体や複数物体の正確な検出に苦戦しており、改善の余地がある。本研究では、マルチスケール再帰的ネットワークを提案する。本ネットワークは、Pyramid Vision Transformer バックボーンによりマルチスケール特徴を抽出し、専用の注意機構ベーススケール統合ユニットを通じてそれらを結合し、選択的な特徴統合を実現する。より正確な物体検出のため、デコーダはマルチ粒度融合ユニットを組み込むことで特徴を再帰的に精緻化する。グローバルな文脈理解を強化し、モデルが本タスクの課題を克服するのを助けるため、新規の再帰的フィードバックデコーディング戦略を開発した。マルチスケール学習と再帰的特徴最適化を共同で活用することにより、提案手法は性能向上を達成し、微小かつ複数の擬似物体の検出に成功する。提案モデルは、擬似物体検出のベンチマークデータセット2つにおいて state-of-the-art の結果を達成し、残り2つのデータセットでは2位の性能を示した。コード、モデル重み、結果は https://github.com/linaagh98/MSRNet で公開している。
English
Camouflaged object detection is an emerging and challenging computer vision task that requires identifying and segmenting objects that blend seamlessly into their environments due to high similarity in color, texture, and size. This task is further complicated by low-light conditions, partial occlusion, small object size, intricate background patterns, and multiple objects. While many sophisticated methods have been proposed for this task, current methods still struggle to precisely detect camouflaged objects in complex scenarios, especially with small and multiple objects, indicating room for improvement. We propose a Multi-Scale Recursive Network that extracts multi-scale features via a Pyramid Vision Transformer backbone and combines them via specialized Attention-Based Scale Integration Units, enabling selective feature merging. For more precise object detection, our decoder recursively refines features by incorporating Multi-Granularity Fusion Units. A novel recursive-feedback decoding strategy is developed to enhance global context understanding, helping the model overcome the challenges in this task. By jointly leveraging multi-scale learning and recursive feature optimization, our proposed method achieves performance gains, successfully detecting small and multiple camouflaged objects. Our model achieves state-of-the-art results on two benchmark datasets for camouflaged object detection and ranks second on the remaining two. Our codes, model weights, and results are available at https://github.com/linaagh98/MSRNet{https://github.com/linaagh98/MSRNet}.