論文の概要: RiO-DETR: DETR for Real-time Oriented Object Detection

• arxiv url: http://arxiv.org/abs/2603.09411v1
• Date: Tue, 10 Mar 2026 09:25:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-11 15:25:24.200944
• Title: RiO-DETR: DETR for Real-time Oriented Object Detection
• Title（参考訳）: RiO-DETR:リアルタイムオブジェクト指向物体検出のためのDETR
• Authors: Zhangchi Hu, Yifan Zhao, Yansong Peng, Wenzhang Sun, Xiangchen Yin, Jie Chen, Peixi Wu, Hebei Li, Xinghao Wang, Dongsheng Jiang, Xiaoyan Sun,
• Abstract要約: RiO-DETRは、世界初のリアルタイム指向型検出トランスである。 リアルタイムの効率性を維持しながら、タスクネイティブ設計の問題を解決する。 コードは公開されます。
• 参考スコア（独自算出の注目度）: 24.653998728975623
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present RiO-DETR: DETR for Real-time Oriented Object Detection, the first real-time oriented detection transformer to the best of our knowledge. Adapting DETR to oriented bounding boxes (OBBs) poses three challenges: semantics-dependent orientation, angle periodicity that breaks standard Euclidean refinement, and an enlarged search space that slows convergence. RiO-DETR resolves these issues with task-native designs while preserving real-time efficiency. First, we propose Content-Driven Angle Estimation by decoupling angle from positional queries, together with Rotation-Rectified Orthogonal Attention to capture complementary cues for reliable orientation. Second, Decoupled Periodic Refinement combines bounded coarse-to-fine updates with a Shortest-Path Periodic Loss for stable learning across angular seams. Third, Oriented Dense O2O injects angular diversity into dense supervision to speed up angle convergence at no extra cost. Extensive experiments on DOTA-1.0, DIOR-R, and FAIR-1M-2.0 demonstrate RiO-DETR establishes a new speed--accuracy trade-off for real-time oriented detection. Code will be made publicly available.
• Abstract（参考訳）: 本稿では、リアルタイム指向オブジェクト検出のためのRiO-DETR: DETRについて紹介する。 DETRを向き付けられたバウンディングボックス(OBB)に適応すると、セマンティクス依存の向き、標準ユークリッドの洗練を損なう角度周期性、収束を遅らせる拡張された検索空間の3つの課題が生じる。 RiO-DETRは、これらの問題をタスクネイティブな設計で解決し、リアルタイムの効率性を維持している。 まず、位置的クエリから角度を分離してコンテンツ駆動角度推定を行い、回転自在な直交注意(orthogonal Attention)を用いて、信頼性の高い向きの補的手がかりをキャプチャする。 第二に、デカップリング周期的微細化(Decoupled periodic Refinement)は、狭義の粗い更新と短周期のロスを組み合わせ、角のシームを安定的に学習する。 第三に、Oriented Dense O2Oは角度の多様性を高密度の監督に注入し、余分なコストで角度収束を加速させる。 DOTA-1.0、DIOR-R、FAIR-1M-2.0に関する大規模な実験は、RiO-DETRがリアルタイム指向検出のための新しい高速精度トレードオフを確立することを実証している。 コードは公開されます。

関連論文リスト

• RIDE: Boosting 3D Object Detection for LiDAR Point Clouds via Rotation-Invariant Analysis [15.42293045246587]
  RIDEは3D LiDAR-point-based object DEtectorの回転不変性の先駆的な探索である。 回転に敏感ではあるが幾何をよく保持できる2機能抽出器と、幾何情報をある程度失うが回転に頑健な回転不変特徴を抽出する。 我々のRIDEは互換性があり、既存の1段と2段の3D検出器に簡単に接続でき、検出性能と回転ロバスト性の両方を高めることができる。
  論文  参考訳（メタデータ） (2024-08-28T08:53:33Z)
• CRIN: Rotation-Invariant Point Cloud Analysis and Rotation Estimation via Centrifugal Reference Frame [60.24797081117877]
  CRIN,すなわち遠心回転不変ネットワークを提案する。 CRINは点の座標を直接入力として取り、局所点を回転不変表現に変換する。 点に基づく3次元回転の連続分布を導入する。
  論文  参考訳（メタデータ） (2023-03-06T13:14:10Z)
• Phase-Shifting Coder: Predicting Accurate Orientation in Oriented Object Detection [10.99534239215483]
  物体の向きを正確に予測するために、位相シフトコーダ(PSC)と呼ばれる新しい微分可能な角度コーダを提案する。 オブジェクト指向物体検出における様々な周期的ファジィ問題に対する統一的なフレームワークを提供する。 3つのデータセットの視覚的分析と実験は、我々のアプローチの有効性と可能性を証明する。
  論文  参考訳（メタデータ） (2022-11-11T17:31:25Z)
• Hyperbolic Cosine Transformer for LiDAR 3D Object Detection [6.2216654973540795]
  我々は,LiDAR点雲から3次元物体を検出するための2段階双曲型コサイントランス (ChTR3D) を提案する。 提案したChTR3Dは、線形複雑性におけるコッシュアテンションを適用して、点間のリッチな文脈関係を符号化することで、提案を洗練する。 広く使用されているKITTIデータセットの実験では、バニラアテンションと比較して、コッシュアテンションは競合性能による推論速度を大幅に改善することが示された。
  論文  参考訳（メタデータ） (2022-11-10T13:54:49Z)
• Accelerating DETR Convergence via Semantic-Aligned Matching [50.3633635846255]
  本稿では,DTRの精度を犠牲にすることなく,DTRの収束を大幅に加速するセマンティック整合DTRであるSAM-DETRを提案する。 意味整合性マッチングにおいて最も識別性の高い特徴を持つ有能な点を明示的に検索し、収束をさらに高速化し、検出精度も向上する。
  論文  参考訳（メタデータ） (2022-03-14T06:50:51Z)
• RSDet++: Point-based Modulated Loss for More Accurate Rotated Object Detection [53.57176614020894]
  我々は、回転感度誤差(RSE)として、5パラメータと8パラメータの回転物体検出法の両方における損失の不連続性を分類する。 問題を軽減するために新しい変調された回転損失を導入し、回転感度検出ネットワーク(RSDet)を提案する。 10ピクセル未満のオブジェクトに対する本手法の精度をさらに向上するため,新しいRSDet++を提案する。
  論文  参考訳（メタデータ） (2021-09-24T11:57:53Z)
• Oriented Object Detection in Aerial Images Based on Area Ratio of Parallelogram [0.0]
  回転物体検出は空中画像において難しい課題である。 既存の回帰に基づく回転検出器は不連続境界の問題に悩まされる。 上記の課題に対処するためのシンプルな効果的な枠組みを提案する。
  論文  参考訳（メタデータ） (2021-09-21T14:13:36Z)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:02Z)
• SCRDet++: Detecting Small, Cluttered and Rotated Objects via Instance-Level Feature Denoising and Rotation Loss Smoothing [131.04304632759033]
  小さくて散らばった物体は実世界では一般的であり、検出は困難である。 本稿では,まず,物体検出にデノナイズするアイデアを革新的に紹介する。 機能マップ上のインスタンスレベルの記述は、小さくて散らばったオブジェクトの検出を強化するために行われる。
  論文  参考訳（メタデータ） (2020-04-28T06:03:54Z)
• On the Arbitrary-Oriented Object Detection: Classification based Approaches Revisited [94.5455251250471]
  まず,既存の回帰型回転検出器が抱える境界問題は,角周期性や角秩序によって引き起こされることを示した。 我々は、角予測タスクを回帰問題から分類問題に変換する。 得られた円形分布角分類問題に対して、まず、角度の周期性に対処し、隣り合う角度に対する誤差耐性を高めるために、円スムースラベル法を考案する。
  論文  参考訳（メタデータ） (2020-03-12T03:23:54Z)

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。