論文の概要: Foggy Crowd Counting: Combining Physical Priors and KAN-Graph

• arxiv url: http://arxiv.org/abs/2509.24545v1
• Date: Mon, 29 Sep 2025 09:59:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:19.91055
• Title: Foggy Crowd Counting: Combining Physical Priors and KAN-Graph
• Title（参考訳）: Foggy Crowd Counting: 物理プライオリティとKan-Graphの組み合わせ
• Authors: Yuhao Wang, Zhuoran Zheng, Han Hu, Dianjie Lu, Guijuan Zhang, Chen Lyu,
• Abstract要約: 本稿では,大気散乱の物理的先行性を考慮した群衆計測手法を提案する。 濃霧のシナリオでは主流のアルゴリズムに比べて12.2%-27.5%のMAE測定値の削減が達成されている。
• 参考スコア（独自算出の注目度）: 19.690003059392893
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Aiming at the key challenges of crowd counting in foggy environments, such as long-range target blurring, local feature degradation, and image contrast attenuation, this paper proposes a crowd-counting method with a physical a priori of atmospheric scattering, which improves crowd counting accuracy under complex meteorological conditions through the synergistic optimization of the physical mechanism and data-driven.Specifically, first, the method introduces a differentiable atmospheric scattering model and employs transmittance dynamic estimation and scattering parameter adaptive calibration techniques to accurately quantify the nonlinear attenuation laws of haze on targets with different depths of field.Secondly, the MSA-KAN was designed based on the Kolmogorov-Arnold Representation Theorem to construct a learnable edge activation function. By integrating a multi-layer progressive architecture with adaptive skip connections, it significantly enhances the model's nonlinear representation capability in feature-degraded regions, effectively suppressing feature confusion under fog interference.Finally, we further propose a weather-aware GCN that dynamically constructs spatial adjacency matrices using deep features extracted by MSA-KAN. Experiments on four public datasets demonstrate that our method achieves a 12.2\%-27.5\% reduction in MAE metrics compared to mainstream algorithms in dense fog scenarios.
• Abstract（参考訳）: 本研究は,長距離目標のぼかし,局所的特徴劣化,画像コントラスト減衰などの霧環境における群集計数に関する重要な課題に着目し,物理機構の相乗的最適化とデータ駆動による複雑な気象条件下での群集計数精度の向上を目的とした群集計数手法を提案する。 マルチ層プログレッシブアーキテクチャを適応スキップ接続に統合することにより、特徴劣化領域におけるモデルの非線形表現能力を著しく向上させ、霧干渉による特徴乱れを効果的に抑制し、また、MSA-KANにより抽出された深い特徴を用いて空間的隣接行列を動的に構築する耐候性GCNを提案する。 4つの公開データセットを用いた実験により,本手法は濃霧シナリオにおける主流アルゴリズムと比較して,MAE指標の12.2\%-27.5\%低減を実現していることが示された。

関連論文リスト

• Depth-Aware Super-Resolution via Distance-Adaptive Variational Formulation [5.1767204510818985]
  単一画像超解像は伝統的に空間的不変な劣化モデルを想定している。 実世界のイメージングシステムは、大気散乱、深度の変化、視点歪みなどの複雑な距離依存効果を示す。 空間的に変化する逆問題として超解像を特徴付ける厳密な変分フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-06T15:35:37Z)
• Generate Aligned Anomaly: Region-Guided Few-Shot Anomaly Image-Mask Pair Synthesis for Industrial Inspection [53.137651284042434]
  異常検査は製造業において重要な役割を担っているが、異常サンプルの不足は既存の方法の有効性を制限している。 本稿では,GAA (Generate grained Anomaly) を提案する。 GAAは少数のサンプルのみを用いて現実的で多様で意味的に整合した異常を発生させる。
  論文  参考訳（メタデータ） (2025-07-13T12:56:59Z)
• Towards scalable surrogate models based on Neural Fields for large scale aerodynamic simulations [0.0]
  本稿では,ニューラルネットワークに基づく空力応用のための新しい代理モデリングフレームワークを提案する。 提案手法であるMARIOは、効率的な形状符号化機構によって非パラメトリックな幾何学的変動に対処する。 フル解像度の推論中に一貫した精度を維持しながら、大幅にダウンサンプルされたメッシュのトレーニングを可能にする。
  論文  参考訳（メタデータ） (2025-05-14T10:49:08Z)
• DA-STGCN: 4D Trajectory Prediction Based on Spatiotemporal Feature Extraction [6.781509470656284]
  本稿では,2つの注意機構を統合した革新的なグラフ畳み込みネットワークであるDA-STGCNを提案する。 本モデルでは,自己アテンションアプローチにより隣接行列を再構成し,ノード相関の捕捉性を高める。 その結果, 平均変位誤差 (Attention) と最終変位誤差 (FDE) の20%と30%の低減を実現し, 現行の4次元軌道予測法よりも顕著な改善が見られた。
  論文  参考訳（メタデータ） (2025-03-05T03:42:49Z)
• FlowDepth: Decoupling Optical Flow for Self-Supervised Monocular Depth Estimation [8.78717459496649]
  本稿では,ダイナミックモーションフローモジュール (DMFM) が機構ベースのアプローチで光学フローを分離し,動的領域をワープし,ミスマッチ問題を解くフローDepthを提案する。 高フレック領域と低テクスチャ領域による光度誤差の不公平性については,入力と損失レベルでそれぞれDepth-Cue-Aware Blur(DCABlur)とCost-Volumeの空間損失を用いて解決する。
  論文  参考訳（メタデータ） (2024-03-28T10:31:23Z)
• Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
  我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。 得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
  論文  参考訳（メタデータ） (2023-12-10T15:22:30Z)
• CamoDiffusion: Camouflaged Object Detection via Conditional Diffusion Models [72.93652777646233]
  カモフラーゲ型物体検出(COD)は、カモフラーゲ型物体とその周囲の類似性が高いため、コンピュータビジョンにおいて難しい課題である。 本研究では,CODを拡散モデルを利用した条件付きマスク生成タスクとして扱う新しいパラダイムを提案する。 カモ拡散(CamoDiffusion)と呼ばれる本手法では,拡散モデルのデノナイズプロセスを用いてマスクの雑音を反復的に低減する。
  論文  参考訳（メタデータ） (2023-05-29T07:49:44Z)
• Statistical control for spatio-temporal MEG/EEG source imaging with desparsified multi-task Lasso [102.84915019938413]
  脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。 ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。 この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-09-29T21:17:16Z)

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。