論文の概要: Spatial-Frequency Aware for Object Detection in RAW Image

• arxiv url: http://arxiv.org/abs/2508.01396v1
• Date: Sat, 02 Aug 2025 15:03:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-05 18:25:21.861279
• Title: Spatial-Frequency Aware for Object Detection in RAW Image
• Title（参考訳）: RAW画像における物体検出のための空間周波数認識
• Authors: Zhuohua Ye, Liming Zhang, Hongru Han,
• Abstract要約: 直接RAWに基づく物体検出は、その広いダイナミックレンジと線形応答のために固有の課題に直面している。 本研究では,空間および周波数表現を相乗化する新しいフレームワークである空間周波数認識RAW画像オブジェクト検出エンハンサー(SFAE)を提案する。
• 参考スコア（独自算出の注目度）: 2.7577617321294703
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Direct RAW-based object detection offers great promise by utilizing RAW data (unprocessed sensor data), but faces inherent challenges due to its wide dynamic range and linear response, which tends to suppress crucial object details. In particular, existing enhancement methods are almost all performed in the spatial domain, making it difficult to effectively recover these suppressed details from the skewed pixel distribution of RAW images. To address this limitation, we turn to the frequency domain, where features, such as object contours and textures, can be naturally separated based on frequency. In this paper, we propose Space-Frequency Aware RAW Image Object Detection Enhancer (SFAE), a novel framework that synergizes spatial and frequency representations. Our contribution is threefold. The first lies in the ``spatialization" of frequency bands. Different from the traditional paradigm of directly manipulating abstract spectra in deep networks, our method inversely transforms individual frequency bands back into tangible spatial maps, thus preserving direct physical intuition. Then the cross-domain fusion attention module is developed to enable deep multimodal interactions between these maps and the original spatial features. Finally, the framework performs adaptive nonlinear adjustments by predicting and applying different gamma parameters for the two domains.
• Abstract（参考訳）: 直接RAWに基づく物体検出は、RAWデータ(未処理センサデータ)を活用することで大きな保証を提供するが、その広いダイナミックレンジと線形応答により固有の課題に直面し、重要な物体の詳細を抑圧する傾向がある。 特に、既存の拡張手法は空間領域でほぼすべて実行されるため、RAW画像の歪んだ画素分布からこれらの抑制された詳細を効果的に回収することは困難である。 この制限に対処するため、我々は周波数領域に目を向け、オブジェクトの輪郭やテクスチャなどの特徴を周波数に基づいて自然に分離することができる。 本稿では,空間および周波数表現を相乗化する新しいフレームワークである空間周波数対応RAW画像オブジェクト検出エンハンサー(SFAE)を提案する。 私たちの貢献は3倍です。 1つは周波数帯域の「空間化」にある。 ディープネットワークにおける抽象スペクトルを直接操作する従来のパラダイムとは異なり、本手法は個々の周波数帯域を有形空間マップに逆変換し、直接物理的直観を保存する。 次に、これらのマップと元の空間的特徴との間の深いマルチモーダル相互作用を可能にするために、ドメイン間融合アテンションモジュールを開発する。 最後に、2つの領域に対して異なるガンマパラメータを予測および適用することにより、適応的な非線形調整を行う。

関連論文リスト

• Wavelet-Guided Dual-Frequency Encoding for Remote Sensing Change Detection [67.84730634802204]
  リモートセンシング画像の変化検出は,自然災害監視,都市拡張追跡,インフラ管理など,さまざまな工学的応用において重要な役割を担っている。 既存のほとんどの手法は空間領域モデリングに依存しており、特徴表現の限られた多様性は微妙な変化領域の検出を妨げる。 本研究では、特にウェーブレット領域における周波数領域の特徴モデリングが周波数成分の微細な違いを増幅し、空間領域において捉えにくいエッジ変化の知覚を高めることを観察する。
  論文  参考訳（メタデータ） (2025-08-07T11:14:16Z)
• Freqformer: Image-Demoiréing Transformer via Efficient Frequency Decomposition [83.40450475728792]
  本稿では,Freqformerについて述べる。Freqformerは,ターゲット周波数分離による画像復号化に特化して設計されたトランスフォーマーベースのフレームワークである。 本手法は,モワールパターンを高周波数空間局在化テクスチャと低周波数スケールローバスト色歪みに明確に分割する有効な周波数分解を行う。 様々なデモアのベンチマーク実験により、Freqformerは、コンパクトなモデルサイズで最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2025-05-25T12:23:10Z)
• Frequency-Spatial Entanglement Learning for Camouflaged Object Detection [34.426297468968485]
  既存の手法では、複雑な設計で空間的特徴の識別能力を最大化することにより、画素類似性の影響を減らそうとしている。 本稿では,周波数領域と空間領域の表現を共同で探索し,周波数空間の絡み合い学習(FSEL)手法を提案する。 我々の実験は、広く使われている3つのデータセットにおける包括的量的および質的比較を通じて、21以上の最先端手法によるFSELの優位性を実証した。
  論文  参考訳（メタデータ） (2024-09-03T07:58:47Z)
• FDCE-Net: Underwater Image Enhancement with Embedding Frequency and Dual Color Encoder [49.79611204954311]
  水中画像は、低明度、色の変化、ぼやけた詳細、吸光光によるノイズ、水や懸濁粒子による散乱などの様々な問題に悩まされることが多い。 従来の水中画像強調法(UIE)は主に空間領域の強調に焦点を当てており、画像固有の周波数領域情報を無視している。
  論文  参考訳（メタデータ） (2024-04-27T15:16:34Z)
• Frequency Perception Network for Camouflaged Object Detection [51.26386921922031]
  周波数領域のセマンティック階層によって駆動される新しい学習可能かつ分離可能な周波数知覚機構を提案する。 ネットワーク全体では、周波数誘導粗い局所化ステージと細部保存の微細局在化ステージを含む2段階モデルを採用している。 提案手法は,既存のモデルと比較して,3つのベンチマークデータセットにおいて競合性能を実現する。
  論文  参考訳（メタデータ） (2023-08-17T11:30:46Z)
• Fast Fourier Convolution Based Remote Sensor Image Object Detection for Earth Observation [0.0]
  リモートセンシングオブジェクト検出のための周波数対応特徴ピラミッドフレームワーク(FFPF)を提案する。 F-ResNetは、周波数領域の畳み込みをバックボーンの各ステージに差し込み、スペクトルコンテキスト情報を知覚するために提案される。 BSFPNは、双方向サンプリング戦略とスキップ接続を用いて、異なるスケールの物体の特徴の関連をより良くモデル化するように設計されている。
  論文  参考訳（メタデータ） (2022-09-01T15:50:58Z)
• TBNet:Two-Stream Boundary-aware Network for Generic Image Manipulation Localization [49.521622399483846]
  汎用画像操作のローカライゼーションのための新しいエンド・ツー・エンド2ストリーム境界対応ネットワーク(TBNet)を提案する。 提案したTBNetは、MCCとF1の両方の観点から、最先端の汎用画像操作のローカライズ手法を大幅に上回ることができる。
  論文  参考訳（メタデータ） (2021-08-10T08:22:05Z)
• Wavelet-Based Network For High Dynamic Range Imaging [64.66969585951207]
  光学フローベースやエンド・ツー・エンドのディープラーニングベースのソリューションのような既存の方法は、詳細な復元やゴーストを除去する際にエラーを起こしやすい。 本研究では、周波数領域でHDR融合を行うための新しい周波数誘導型エンド・ツー・エンドディープニューラルネットワーク(FNet)を提案し、ウェーブレット変換(DWT)を用いて入力を異なる周波数帯域に分解する。 低周波信号は特定のゴーストアーティファクトを避けるために使用され、高周波信号は詳細を保存するために使用される。
  論文  参考訳（メタデータ） (2021-08-03T12:26:33Z)
• Change Detection in Synthetic Aperture Radar Images Using a Dual-Domain Network [33.50775914682585]
  合成開口レーダ(SAR)画像からの変化検出は、重要かつ困難な作業です。 既存の手法は主に空間領域の特徴抽出に焦点を当てており、周波数領域にはほとんど注意が払われていない。 上記の2つの課題に取り組むためのデュアルドメインネットワークを提案します。
  論文  参考訳（メタデータ） (2021-04-14T08:41:48Z)

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。