Can SAM Segment Anything? When SAM Meets Camouflaged Object Detection

要約

タイトル: 「SAMは何でもセグメントできるのか？SAMがカモフラージュされた物体の検出に挑戦した場合」

要約:
– 最近リリースされたセグメンテーションモデル「SAM」は、汎用オブジェクトセグメンテーションにおいて優れた性能を発揮していることが注目されている。
– しかしながら、カモフラージュされたシーンのような特定のシーンにおいて、SAMが汎用的に適用できるかどうかはまだ不明である。
– カモフラージュされた物体の検出（COD）は、周囲にシームレスに統合された物体を識別することを指し、医療、芸術、農業などのさまざまな分野で実用的な応用がある。
– 本研究では、SAMがCODタスクに対応できるかどうかを調べ、最大セグメンテーション評価とカモフラージュ位置評価を用いてSAMのCODベンチマークの性能を評価する。
– また、SAMの性能を22の最新COD手法と比較する。
– 結果として、SAMは汎用オブジェクトセグメンテーションにおいては有望であるが、CODタスクにおいては性能が限定的であることがわかった。
– これは、より強力なSAMを構築する方法を探るためにさらなる研究の機会を提供する。
– この論文の結果は\url{https://github.com/luckybird1994/SAMCOD}に掲載されている。

要約(オリジナル)

SAM is a segmentation model recently released by Meta AI Research and has been gaining attention quickly due to its impressive performance in generic object segmentation. However, its ability to generalize to specific scenes such as camouflaged scenes is still unknown. Camouflaged object detection (COD) involves identifying objects that are seamlessly integrated into their surroundings and has numerous practical applications in fields such as medicine, art, and agriculture. In this study, we try to ask if SAM can address the COD task and evaluate the performance of SAM on the COD benchmark by employing maximum segmentation evaluation and camouflage location evaluation. We also compare SAM’s performance with 22 state-of-the-art COD methods. Our results indicate that while SAM shows promise in generic object segmentation, its performance on the COD task is limited. This presents an opportunity for further research to explore how to build a stronger SAM that may address the COD task. The results of this paper are provided in \url{https://github.com/luckybird1994/SAMCOD}.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI