解耦自监督视频伪装与显著目标检测：运动与上下文信息的独立建模新范式

本文创新性地提出解耦视角处理视频伪装/显著目标检测（VCOD/VSOD）中的运动与上下文信息，通过自监督机制实现ContextNet与MotionNet的协同训练。该框架突破传统融合方法的局限性，显著降低标注依赖，在多个基准数据集上超越无监督SOTA，为医学影像（如视频息肉分割）和视频压缩等媒体应用提供新思路。

　　

Section snippets

Related Work

本节回顾与本研究相关的视频显著目标检测（VSOD）、视频伪装目标检测（VCOD）及自监督学习（SSL）领域进展。

Method

本节首先阐述面向VCOD与VSOD任务的解耦自监督框架整体架构，随后介绍自适应帧路由机制（AFR）、运动分割网络（MS）及上下文分割网络（CS）。整体架构如图2所示。

Dataset

遵循现有VSOD方法，我们在五个VSOD数据集上评估性能：VOS、DAVIS、DAVSOD、SegV2和ViSal。此外，在三个VCOD数据集（MOCA、MOCA-Mask和CAD）上进行测试。

Evaluation Metrics

VSOD： 本任务采用……

Potential Media Application

本研究提出的VCOD/VSOD模型在医疗领域与视频压缩系统中具有广泛应用潜力。

医疗领域： 将VCOD模型应用于视频息肉分割（VPS），可视化结果见图7。VPS任务中前景与背景区域运动模式相似，但解耦网络能精准分割息肉区域。

视频压缩： （内容补充）

Future Work

为拓展解耦自监督框架的适用性，我们规划两大未来方向：

跨领域与任务的泛化增强： 当前框架已展现从合成数据到真实场景（如医学影像、视频压缩）的强迁移能力。未来将横向拓展至遥感、自动驾驶及水下视觉等领域，纵向探索……

Conclusion

本文提出了一种无需标注信息的解耦自监督框架解决VCOD与VSOD任务。与传统方法不同，本框架能分别利用运动与上下文信息，规避信息偏差导致的错误。此外，我们深入探索了解耦视角在自监督模式下的应用，包括自适应帧路由机制与双网络交叉监督设计。