点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达

在自然界中，生物通过伪装融入环境实现生存，而在计算机视觉领域，伪装目标检测（COD） 正是要让机器拥有识破这种"生存智慧"的能力。从生物多样性保护到工业缺陷检测，COD技术的应用价值日益凸显。然而，当目标与背景无缝融合，现有方法往往陷入边界模糊和过度自信预测的困境。

近期发表于TPAMI 2025的研究《Conditional Diffusion Models for Camouflaged and Salient Object Detection》提出了创新性解决方案——CamoDiffusion，一种基于条件扩散模型的全新检测框架。该方法不仅在三大COD数据集上刷新SOTA性能，更在显著目标检测（SOD）任务中展现出强大通用性。

论文信息

题目：Conditional Diffusion Models for Camouflaged and Salient Object Detection

用于伪装和显著目标检测的条件扩散模型

作者：Ke Sun, Zhongxi Chen, Xianming Lin, Xiaoshuai Sun, Hong Liu, Rongrong Ji

伪装检测的两大核心挑战

如图1所示，即使是最先进的现有方法也面临难以逾越的障碍：

• 边界模糊问题：伪装目标与背景的视觉线索极为相似，导致轮廓勾勒困难

• 过度自信预测：受数据集分布偏差影响，模型常将非伪装区域误判为目标

图1：SINet-V2和ZoomNet等方法在复杂伪装场景中出现的边界模糊和过度分割问题

扩散模型的迭代去噪特性为解决这些问题提供了新思路。其逐步细化机制能够捕捉细微边界特征，而随机采样过程可有效降低错误置信度风险。CamoDiffusion正是基于这一思路，构建了完整的条件扩散解决方案。

方法总体架构：四步创新构建检测框架

CamoDiffusion的核心框架如图2所示，通过四大创新模块的协同工作，实现了伪装目标的精准检测：

图2：CamoDiffusion框架整体流程，展示了从图像输入到最终掩码输出的完整过程

1. 自适应变压器条件网络（ATCN）

特征提取是检测任务的基础，ATCN通过两大模块实现伪装特征的精准捕捉：

• 零重叠嵌入（ZOE）：将噪声掩码信息以零初始化卷积的方式融入特征提取过程，既保留原始图像特征，又能引导网络关注目标区域

• 时间令牌连接（TTC）：将扩散步骤信息编码为时间令牌，使网络能根据去噪阶段动态调整特征提取策略

图3：(a)自适应变压器条件网络（ATCN）结构；(b)去噪网络（DN）结构

2. 基于信噪比的训练策略

为增强模型对低质量输入的处理能力，研究提出：

• 噪声调度优化：通过调整信噪比（SNR）偏移量，增加训练难度，迫使模型学习更鲁棒的特征表示

• 结构破坏策略：对真实掩码进行轮廓修改（随机删除顶点、移动位置、膨胀腐蚀等），直到IoU降至0.8-1.0区间，显著提升模型的边界修正能力

图4：结构破坏策略对真实掩码的修改效果，增强了训练数据的多样性

3. 共识时间集成（CTE）采样

针对扩散过程中的中间预测错误问题，CTE技术通过：

• 收集所有时间步的中间预测结果

• 自适应阈值化生成二进制掩码

• 像素级投票与均值融合生成最终结果

有效减少了过度自信预测，提升了结果可靠性。

图5：CTE技术通过集成多步预测降低不确定性，右侧为不同采样的方差热力图

4. 双重加速策略

为平衡性能与效率，研究提出：

• ATCN-Skip：交替跳过冗余的条件网络计算，将ATCN计算量减半，FPS提升38.5%

• VQ-VAE集成：在潜在空间执行扩散过程，大幅降低计算资源需求

图6：ATCN-Skip策略通过重用前一步特征图减少计算量

实验结果：全面超越现有方法

在CAMO、COD10K和NC4K三大COD数据集上，CamoDiffusion的三个版本（基础版、VAE加速版、CTE增强版）均取得SOTA性能：

• 平均MAE降低20.9%

• 分数提高7.7%

• 即使轻量级版本也显著优于传统方法

图7：CamoDiffusion（右一）与现有方法在复杂场景中的对比，展示了更精准的边界和更少的误判

值得注意的是，该方法在SOD任务中同样表现出色，在DUT-OMRON等数据集上超越14种先进方法，证明了其良好的通用性。消融实验表明：

• ZOE和TTC模块对性能提升至关重要

• SNR调度与结构破坏策略的组合可使S-度量从0.821提升至0.868

• CTE技术将过度自信错误像素比例从91%降至76%

图9：不同采样步骤和SNR偏移对模型性能的影响，10步采样为推荐设置

总结与展望

CamoDiffusion通过将条件扩散模型引入伪装目标检测，创新性地解决了边界模糊和过度自信两大核心问题。其四大技术创新不仅带来了性能突破，更通过加速策略确保了方法的实用性。

该研究为生物医学影像分析、无人机侦察等实际应用提供了强大工具，同时也为其他细粒度分割任务提供了有益借鉴。随着扩散模型在计算机视觉领域的持续发展，我们有理由期待更多跨领域的创新应用。

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。


下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。


下载3：人工智能0基础学习攻略手册
在「小白学视觉」公众号后台回复：攻略手册，即可获取《从 0 入门人工智能学习攻略手册》文档，包含视频课件、习题、电子书、代码、数据等人工智能学习相关资源，可以下载离线学习。


交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~