用于参考引导伪装目标检测的共识感知多源融合

参考引导的伪装目标检测旨在通过利用辅助参考样本来分割视觉外观与其周围环境非常相似的目标。这项任务仍然很困难，因为参考样本包含不一致的目标线索，而通用视觉表示本质上并不与参考指定的目标一致。为了解决这些问题，我们提出了一个共识感知的多源融合框架。参考条件双主干融合 (RCDF) 将可训练的 PVTv2 查询特征与冻结的 DINOv3 表示相结合，并使用参考条件相关性在多尺度融合之前选择基础模型证据。该框架还通过交叉引用共识聚合来聚合多个引用，并在与查询特征匹配的语义深度注入参考信息。大量的实验证明了所提出方法的有效性。结果进一步表明，参考共识、目标条件基础特征和分层解码在评估协议下提供了互补的改进。源代码将在接受后公开发布。