C3Net은 주변 환경과 유사한 색상, 질감, 패턴으로 인해 구분이 어려운 위장 객체를 탐지하는 딥러닝 모델이다. C3Net은 위장 객체 탐지의 6가지 근본적인 어려움(내재적 유사성, 경계 파괴, 극심한 스케일 변화, 환경적 복잡성, 컨텍스트 의존성, 두드러짐-위장 객체 모호성 해소)을 해결하기 위해 특화된 이중 경로 디코더 아키텍처를 사용한다. Edge Refinement Pathway는 정밀한 경계 복원을 위해 기울기 초기화된 Edge Enhancement Modules를, Contextual Localization Pathway는 외부 모델 없이 내재적 두드러짐 억제를 위해 Image-based Context Guidance 메커니즘을 활용한다. 두 경로는 Attentive Fusion Module을 통해 시너지 효과를 낸다. C3Net은 COD10K, CAMO, NC4K 데이터셋에서 S-measure 기준으로 각각 0.898, 0.904, 0.913의 최고 성능을 달성하며 효율적인 처리를 유지한다.
