본 논문은 색상, 질감, 크기의 유사성으로 인해 환경과 자연스럽게 융합되는 은폐된 객체를 식별하고 분할하는 것을 목표로 하는, 도전적인 컴퓨터 비전 작업인 은폐 객체 감지 문제를 다룹니다. 특히, 작은 객체, 복잡한 배경 패턴, 저조도 환경, 부분적 가림, 그리고 다중 객체와 같은 복잡한 시나리오에서의 어려움을 해결하고자 합니다. 이를 위해 Pyramid Vision Transformer 백본을 사용하여 다중 스케일 특징을 추출하고, Attention-Based Scale Integration Units를 통해 선택적으로 특징을 병합하는 Multi-Scale Recursive Network (MSRNet)를 제안합니다. 또한, Multi-Granularity Fusion Units를 사용하여 특징을 재귀적으로 개선하는 디코더와, 전역 컨텍스트 이해를 향상시키는 재귀적 피드백 디코딩 전략을 도입하여 성능을 향상시켰습니다. 제안된 방법은 두 개의 벤치마크 데이터 세트에서 최첨단 결과를 달성하고, 나머지 두 개에서 2위를 차지했습니다.
