論文の概要: SeqCSIST: Sequential Closely-Spaced Infrared Small Target Unmixing
- arxiv url: http://arxiv.org/abs/2507.09556v1
- Date: Sun, 13 Jul 2025 09:59:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-15 18:48:23.468337
- Title: SeqCSIST: Sequential Closely-Spaced Infrared Small Target Unmixing
- Title（参考訳）: SeqCSIST:シークエンシャル・クローズド・スペースの赤外線小ターゲットアンミックス
- Authors: Ximeng Zhai, Bohan Xu, Yaohong Chen, Hao Wang, Kehua Guo, Yimian Dai,
- Abstract要約: 本研究では,高密度CSISTグループからのサブピクセルローカライゼーションの形で全ターゲットを検出するための新しいタスクであるSequential CSIST Unmixingを提案する。
我々は、シーケンシャルなベンチマークデータセットであるSeqCSISTや、この特別なタスクに対する客観的評価指標を提供するツールキットなど、オープンソースのエコシステムにコントリビュートする。
平均精度(mAP)は5.3%向上した。
- 参考スコア（独自算出の注目度）: 7.09321729956876
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Due to the limitation of the optical lens focal length and the resolution of the infrared detector, distant Closely-Spaced Infrared Small Target (CSIST) groups typically appear as mixing spots in the infrared image. In this paper, we propose a novel task, Sequential CSIST Unmixing, namely detecting all targets in the form of sub-pixel localization from a highly dense CSIST group. However, achieving such precise detection is an extremely difficult challenge. In addition, the lack of high-quality public datasets has also restricted the research progress. To this end, firstly, we contribute an open-source ecosystem, including SeqCSIST, a sequential benchmark dataset, and a toolkit that provides objective evaluation metrics for this special task, along with the implementation of 23 relevant methods. Furthermore, we propose the Deformable Refinement Network (DeRefNet), a model-driven deep learning framework that introduces a Temporal Deformable Feature Alignment (TDFA) module enabling adaptive inter-frame information aggregation. To the best of our knowledge, this work is the first endeavor to address the CSIST Unmixing task within a multi-frame paradigm. Experiments on the SeqCSIST dataset demonstrate that our method outperforms the state-of-the-art approaches with mean Average Precision (mAP) metric improved by 5.3\%. Our dataset and toolkit are available from https://github.com/GrokCV/SeqCSIST.
- Abstract（参考訳）: 光学レンズ焦点長の制限と赤外線検出器の分解能のため、遠距離の近空間赤外小ターゲット(CSIST)群は一般的に赤外線画像の混合点として現れる。
本稿では,超高密度CSISTグループからのサブピクセルローカライゼーションの形で,すべてのターゲットを検出できる新しいタスクであるSequential CSIST Unmixingを提案する。
しかし、そのような正確な検出を実現することは極めて難しい課題である。
さらに、高品質な公開データセットの欠如により、研究の進展も制限されている。
この目的のために、まず、シーケンシャルなベンチマークデータセットであるSeqCSISTや、この特別なタスクに対する客観的な評価指標を提供するツールキットなど、23の関連するメソッドの実装を含むオープンソースのエコシステムにコントリビュートする。
さらに,適応的なフレーム間情報収集を可能にするTDFAモジュールを導入したモデル駆動型ディープラーニングフレームワークであるDeformable Refinement Network (DeRefNet)を提案する。
私たちの知る限りでは、マルチフレームパラダイム内でCSIST Unmixingタスクに対処するための最初の取り組みである。
SeqCSISTデータセットを用いた実験により,提案手法は平均精度(mAP)を5.3倍に向上させ,最先端の手法よりも優れていることが示された。
データセットとツールキットはhttps://github.com/GrokCV/SeqCSIST.comから入手可能です。
関連論文リスト
- SAMamba: Adaptive State Space Modeling with Hierarchical Vision for Infrared Small Target Detection [12.964308630328688]
赤外線小目標検出(ISTD)は、軍事・海上・早期警戒用途における長距離監視に不可欠である。
ISTDは画像の0.15%未満のターゲットと複雑な背景との識別性が低いターゲットによって挑戦されている。
本稿では,SAM2の階層的特徴学習とMambaの選択的シーケンスモデリングを統合した新しいフレームワークSAMambaを提案する。
論文 参考訳（メタデータ） (2025-05-29T07:55:23Z) - DISTA-Net: Dynamic Closely-Spaced Infrared Small Target Unmixing [55.366556355538954]
本稿では,動的フレームワーク内で従来のスパース再構築を再現する動的反復収縮閾値ネットワーク(DISTA-Net)を提案する。
DISTA-Netは、密接な空間を持つ赤外線小ターゲットのアンミックスのために特別に設計された最初のディープラーニングモデルである。
私たちはこの分野におけるさらなる研究を促進するために、最初のオープンソースエコシステムを確立しました。
論文 参考訳（メタデータ） (2025-05-25T13:52:00Z) - AuxDet: Auxiliary Metadata Matters for Omni-Domain Infrared Small Target Detection [58.67129770371016]
シーン認識最適化のためのテキストメタデータを組み込むことにより、IRSTDパラダイムを再定義する新しいIRSTDフレームワークを提案する。
AuxDetは最先端の手法を一貫して上回り、堅牢性と正確性を改善する上で補助情報の重要な役割を検証している。
論文 参考訳（メタデータ） (2025-05-21T07:02:05Z) - CSPENet: Contour-Aware and Saliency Priors Embedding Network for Infrared Small Target Detection [4.731073701194089]
赤外線小目標検出(ISTD)は、幅広い民間・軍事用途において重要な役割を担っている。
既存の手法では, 密集した乱雑な環境下でのディムターゲットの局所化や輪郭情報の認識に欠陥がある。
本稿では,ISTDのためのcontour-aware and saliency priors embedded network (CSPENet)を提案する。
論文 参考訳（メタデータ） (2025-05-15T03:56:36Z) - SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised
Learning for Robust Infrared Small Target Detection [53.19618419772467]
単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。
Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。
赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
論文 参考訳（メタデータ） (2024-03-08T16:14:54Z) - Monte Carlo Linear Clustering with Single-Point Supervision is Enough
for Infrared Small Target Detection [48.707233614642796]
SIRST(Single-frame infrared small target)検出は、赤外線画像上の乱雑な背景から小さなターゲットを分離することを目的としている。
ディープラーニングに基づく手法は、SIRST検出において有望な性能を達成したが、大量のトレーニングデータを犠牲にしている。
単一点監視を用いたSIRST検出のための最初の手法を提案する。
論文 参考訳（メタデータ） (2023-04-10T08:04:05Z) - One-Stage Cascade Refinement Networks for Infrared Small Target
Detection [21.28595135499812]
SIRST(Single-frame InfraRed Small Target)検出は、固有の特性の欠如による課題である。
実世界の高解像度単一フレームターゲットのSIRST-V2データセットからなる赤外線小ターゲット検出のための新しい研究ベンチマークを提案する。
論文 参考訳（メタデータ） (2022-12-16T13:37:23Z) - Efficient Person Search: An Anchor-Free Approach [86.45858994806471]
パーソンサーチは、クエリーの人物を、リアルで切り刻まれていない画像から、同時にローカライズし、識別することを目的としている。
この目標を達成するために、最先端モデルは通常、Faster R-CNNのような2段階検出器にre-idブランチを追加する。
本研究では,この課題に対処するためのアンカーフリーな手法を提案する。
論文 参考訳（メタデータ） (2021-09-01T07:01:33Z) - Adaptive Linear Span Network for Object Skeleton Detection [56.78705071830965]
本研究では,適応線形スパンネットワーク(AdaLSN)を提案する。
AdaLSNは、精度とレイテンシのトレードオフを著しく高めることで、その汎用性を裏付ける。
また、エッジ検出や道路抽出といったイメージ・ツー・マスクのタスクに適用可能であることも示している。
論文 参考訳（メタデータ） (2020-11-08T12:51:14Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。