論文の概要: Wavefront-Constrained Passive Obscured Object Detection

• arxiv url: http://arxiv.org/abs/2511.20991v1
• Date: Wed, 26 Nov 2025 02:46:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-27 18:37:58.927924
• Title: Wavefront-Constrained Passive Obscured Object Detection
• Title（参考訳）: Wavefront-Constrained Passive Obscured Object Detection
• Authors: Zhiwen Zheng, Yiwei Ouyang, Zhao Huang, Tao Zhang, Xiaoshuai Zhang, Huiyu Zhou, Wenwen Tang, Shaowei Jiang, Jin Liu, Xingru Huang,
• Abstract要約: 視界の向こう側にあるかすかな光のパターンから、隠された物体を正確に位置決めし、セグメンテーションすることは極めて困難である。 既存のほとんどの手法は、実数値モデリングや局所的な畳み込み操作に基づいており、コヒーレント光伝播の基礎となる物理を捉えるには不十分である。 本稿では,波面伝播をシミュレーションし,不明瞭な物体の知覚を高める物理駆動型波面伝搬補償ネットワーク(WavePCNet)を提案する。
• 参考スコア（独自算出の注目度）: 18.56759054781774
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurately localizing and segmenting obscured objects from faint light patterns beyond the field of view is highly challenging due to multiple scattering and medium-induced perturbations. Most existing methods, based on real-valued modeling or local convolutional operations, are inadequate for capturing the underlying physics of coherent light propagation. Moreover, under low signal-to-noise conditions, these methods often converge to non-physical solutions, severely compromising the stability and reliability of the observation. To address these challenges, we propose a novel physics-driven Wavefront Propagating Compensation Network (WavePCNet) to simulate wavefront propagation and enhance the perception of obscured objects. This WavePCNet integrates the Tri-Phase Wavefront Complex-Propagation Reprojection (TriWCP) to incorporate complex amplitude transfer operators to precisely constrain coherent propagation behavior, along with a momentum memory mechanism to effectively suppress the accumulation of perturbations. Additionally, a High-frequency Cross-layer Compensation Enhancement is introduced to construct frequency-selective pathways with multi-scale receptive fields and dynamically model structural consistency across layers, further boosting the model's robustness and interpretability under complex environmental conditions. Extensive experiments conducted on four physically collected datasets demonstrate that WavePCNet consistently outperforms state-of-the-art methods across both accuracy and robustness.
• Abstract（参考訳）: 視界を超えて暗く光るパターンから隠された物体を正確な位置決め・分割することは、多重散乱と媒体誘起摂動により非常に困難である。 既存のほとんどの手法は、実数値モデリングや局所的畳み込み操作に基づいており、コヒーレント光伝播の基礎となる物理を捉えるには不十分である。 さらに、低信号対雑音条件下では、これらの手法はしばしば非物理的解に収束し、観測の安定性と信頼性を著しく損なう。 これらの課題に対処するために、波面伝播をシミュレートし、不明瞭な物体の知覚を高めるために、物理駆動のWavefront Propagating Compensation Network (WavePCNet)を提案する。 このWavePCNetは、Tri-Phase Wavefront Complex-Propagation Reprojection (TriWCP)を統合し、複雑な振幅伝達演算子を組み込んでコヒーレントな伝播挙動を正確に制約し、摂動の蓄積を効果的に抑制する運動量記憶機構を組み込む。 さらに、マルチスケールの受容場を持つ周波数選択経路を構築し、層間構造一貫性を動的にモデル化し、複雑な環境条件下でのモデルの堅牢性と解釈可能性を高めるために、高周波クロス層補償法を導入している。 4つの物理的に収集されたデータセットで実施された大規模な実験により、WavePCNetは精度と堅牢性の両方で最先端の手法を一貫して上回っていることが示された。

関連論文リスト

• A Physics Prior-Guided Dual-Stream Attention Network for Motion Prediction of Elastic Bragg Breakwaters [7.146484689550911]
  従来のディープラーニングモデルは、目に見えない海の状態を示すとき、限定的な一般化能力を示すことが多い。 本研究は,PhysAttnNet(PhysAttnNet)を用いた物理優先型デュアルストリームアテンションネットワークを提案する。 ウェーブ・フラム・データセットの実験では、PhysAttnNetが主流モデルを大幅に上回っていることが示されている。
  論文  参考訳（メタデータ） (2025-10-16T03:06:44Z)
• PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
  既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。 本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。 これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。 Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-29T14:36:45Z)
• TIR-Diffusion: Diffusion-based Thermal Infrared Image Denoising via Latent and Wavelet Domain Optimization [11.970228442183476]
  本稿では拡散型TIR画像復調フレームワークを提案する。 提案手法は、遅延空間と離散ウェーブレット変換(DWT)/二重ツリー複合ウェーブレット変換(DTCWT)の損失を組み合わせた新しい損失関数を用いてモデルを微調整する。 ベンチマークデータセットの実験は、最先端のデノナイジング手法と比較して、我々のアプローチの優れた性能を示している。
  論文  参考訳（メタデータ） (2025-07-30T06:27:32Z)
• Latent Wavelet Diffusion For Ultra-High-Resolution Image Synthesis [56.311477476580926]
  超高分解能(2K-4K)画像合成におけるディテールとテクスチャの忠実度を大幅に向上させる軽量トレーニングフレームワークであるLatent Wavelet Diffusion (LWD)を提案する。 LWDはウェーブレットエネルギーマップから導かれる新しい周波数対応マスキング戦略を導入し、潜在空間の詳細な領域にトレーニングプロセスを動的に焦点をあてる。
  論文  参考訳（メタデータ） (2025-05-31T07:28:32Z)
• Ambient Noise Full Waveform Inversion with Neural Operators [11.44207799108199]
  近年の研究では、ニューラル演算子と呼ばれる新しい機械学習モデルが、従来の方法よりもはるかに高速にエラストダイナミック波動方程式のオーダーを解くことができることが示されている。 本研究では, 実地震データセット上での完全な波形インバージョンに対するニューラル演算子の最初の応用を実証する。
  論文  参考訳（メタデータ） (2025-03-19T09:10:43Z)
• Divide-and-Conquer: Confluent Triple-Flow Network for RGB-T Salient Object Detection [70.84835546732738]
  RGB-Thermal Salient Object Detectionは、目視と熱赤外画像のペア内の目立つ物体をピンポイントすることを目的としている。 従来のエンコーダ・デコーダアーキテクチャは、欠陥モードから生じるノイズに対する頑健さを十分に考慮していなかったかもしれない。 本稿では,Divide-and-Conquer戦略を用いた,堅牢なConfluent Triple-Flow NetworkであるConTriNetを提案する。
  論文  参考訳（メタデータ） (2024-12-02T14:44:39Z)
• Digging into contrastive learning for robust depth estimation with diffusion models [55.62276027922499]
  そこで我々はD4RDと呼ばれる新しい頑健な深度推定法を提案する。 複雑な環境での性能劣化を軽減するために、拡散モデルに適した独自のコントラスト学習モードを備えている。 実験では、D4RDは合成汚職データセットや現実世界の気象条件に関する最先端のソリューションを超越している。
  論文  参考訳（メタデータ） (2024-04-15T14:29:47Z)
• Machine learning for phase-resolved reconstruction of nonlinear ocean wave surface elevations from sparse remote sensing data [37.69303106863453]
  ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。 提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
  論文  参考訳（メタデータ） (2023-05-18T12:30:26Z)
• Low-Interception Waveform: To Prevent the Recognition of Spectrum Waveform Modulation via Adversarial Examples [6.378498479725599]
  本稿では,第3者によって認識される変調の確率を,友好者間の信頼性の高い通信に影響を与えることなく低減できる低応答波形(LIW)生成法を提案する。 我々のLIWは,物理ハードウェア実験においても高い低入力性能を示し,その精度を15%程度まで下げることができた。
  論文  参考訳（メタデータ） (2022-01-20T08:13:04Z)

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。