論文の概要: IrisNet: Infrared Image Status Awareness Meta Decoder for Infrared Small Targets Detection

• arxiv url: http://arxiv.org/abs/2511.20319v1
• Date: Tue, 25 Nov 2025 13:53:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.48952
• Title: IrisNet: Infrared Image Status Awareness Meta Decoder for Infrared Small Targets Detection
• Title（参考訳）: IrisNet:赤外線小ターゲット検出のための赤外線画像認識メタデコーダ
• Authors: Xuelin Qian, Jiaming Lu, Zixuan Wang, Wenxuan Wang, Zhongling Huang, Dingwen Zhang, Junwei Han,
• Abstract要約: IrisNetは、入力赤外線画像ステータスに検出戦略を適用する、新しいメタ学習フレームワークである。 提案手法は,赤外線画像特徴量とデコーダパラメータ全体の動的マッピングを確立する。 NUDT-SIRST、NUAA-SIRST、IRSTD-1Kデータセットの実験は、我々のIrisNetの優位性を示している。
• 参考スコア（独自算出の注目度）: 92.56025546608699
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Infrared Small Target Detection (IRSTD) faces significant challenges due to low signal-to-noise ratios, complex backgrounds, and the absence of discernible target features. While deep learning-based encoder-decoder frameworks have advanced the field, their static pattern learning suffers from pattern drift across diverse scenarios (\emph{e.g.}, day/night variations, sky/maritime/ground domains), limiting robustness. To address this, we propose IrisNet, a novel meta-learned framework that dynamically adapts detection strategies to the input infrared image status. Our approach establishes a dynamic mapping between infrared image features and entire decoder parameters via an image-to-decoder transformer. More concretely, we represent the parameterized decoder as a structured 2D tensor preserving hierarchical layer correlations and enable the transformer to model inter-layer dependencies through self-attention while generating adaptive decoding patterns via cross-attention. To further enhance the perception ability of infrared images, we integrate high-frequency components to supplement target-position and scene-edge information. Experiments on NUDT-SIRST, NUAA-SIRST, and IRSTD-1K datasets demonstrate the superiority of our IrisNet, achieving state-of-the-art performance.
• Abstract（参考訳）: Infrared Small Target Detection (IRSTD) は、低信号対雑音比、複雑な背景、識別可能な目標特徴の欠如など、重大な課題に直面している。 ディープラーニングベースのエンコーダ/デコーダフレームワークがこの分野に進出する一方で、静的パターン学習は、さまざまなシナリオ(\emph{e g }、昼夜のバリエーション、空/海/地上ドメイン)にわたるパターンドリフトに悩まされ、堅牢性を制限する。 そこで本研究では,入力赤外線画像に検出戦略を動的に適用するメタ学習フレームワークIrisNetを提案する。 提案手法は、画像からデコーダ変換器を介して、赤外線画像特徴量とデコーダパラメータ全体の動的マッピングを確立する。 より具体的には、パラメータ化されたデコーダを階層層相関を保った構造化2次元テンソルとして表現し、トランスフォーマーが自己アテンションを介して層間依存関係をモデル化し、クロスアテンションを介して適応的なデコードパターンを生成する。 赤外線画像の知覚能力をさらに高めるために,我々は高周波数成分を統合し,ターゲット位置とシーンエッジ情報を補完する。 NUDT-SIRST、NUAA-SIRST、IRSTD-1Kデータセットの実験は、我々のIrisNetの優位性を実証し、最先端のパフォーマンスを達成した。

関連論文リスト

• It's Not the Target, It's the Background: Rethinking Infrared Small Target Detection via Deep Patch-Free Low-Rank Representations [5.326302374594885]
  本稿では、LRRNetと呼ばれる新しいエンドツーエンドIRSTDフレームワークを提案する。 乱れシーンの物理的圧縮性に着想を得て,本手法は圧縮・再構成・減算パラダイムを採用する。 複数の公開データセットの実験により、LRRNetは検出精度、堅牢性、計算効率の点で38の最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-12T07:24:45Z)
• AuxDet: Auxiliary Metadata Matters for Omni-Domain Infrared Small Target Detection [49.81255045696323]
  補助メタデータ駆動型赤外小型ターゲット検出器(AuxDet)について述べる。 AuxDetはメタデータセマンティクスと視覚的特徴を統合し、各サンプルに対する適応表現学習を導く。 挑戦的なWideIRSTD-Fullベンチマークの実験は、AuxDetが一貫して最先端のメソッドより優れていることを示した。
  論文  参考訳（メタデータ） (2025-05-21T07:02:05Z)
• ARFC-WAHNet: Adaptive Receptive Field Convolution and Wavelet-Attentive Hierarchical Network for Infrared Small Target Detection [2.643590634429843]
  ARFC-WAHNetは、赤外線小ターゲット検出のための適応型受容野畳み込みおよびウェーブレット減衰階層ネットワークである。 ARFC-WAHNetは、検出精度とロバスト性の両方において、最近の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2025-05-15T09:44:23Z)
• SAGA: Semantic-Aware Gray color Augmentation for Visible-to-Thermal Domain Adaptation across Multi-View Drone and Ground-Based Vision Systems [1.891522135443594]
  ドメイン適応型熱オブジェクト検出は、可視(RGB)から熱(IR)への適応を促進する上で重要な役割を果たす。 色やテクスチャの手がかりの欠如など、赤外線画像の固有の制限は、RGB訓練されたモデルに課題をもたらす。 本稿では,カラーバイアスを緩和し,領域ギャップを埋めるための新しい戦略であるセマンティック・アウェア・グレイカラー拡張(SAGA)を提案する。
  論文  参考訳（メタデータ） (2025-04-22T09:22:11Z)
• CIR-Net: Cross-modality Interaction and Refinement for RGB-D Salient Object Detection [144.66411561224507]
  本稿では,CIR-Netと呼ばれる畳み込みニューラルネットワーク(CNN)モデルを提案する。 我々のネットワークは、定性的かつ定量的に最先端の塩分濃度検出器より優れています。
  論文  参考訳（メタデータ） (2022-10-06T11:59:19Z)
• Multitask AET with Orthogonal Tangent Regularity for Dark Object Detection [84.52197307286681]
  暗黒環境下でのオブジェクト検出を強化するために,新しいマルチタスク自動符号化変換(MAET)モデルを提案する。 自己超越的な方法で、MAETは、現実的な照明劣化変換を符号化して復号することで、本質的な視覚構造を学習する。 我々は,合成および実世界のデータセットを用いて最先端のパフォーマンスを達成した。
  論文  参考訳（メタデータ） (2022-05-06T16:27:14Z)
• Infrared Small-Dim Target Detection with Transformer under Complex Backgrounds [155.388487263872]
  変換器を用いた赤外線小径目標検出手法を提案する。 画像特徴の相互作用情報をより広い範囲で学習するために,変換器の自己認識機構を採用する。 最小限のターゲットの機能を学習するための機能拡張モジュールも設計しています。
  論文  参考訳（メタデータ） (2021-09-29T12:23:41Z)

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。