論文の概要: PKINet-v2: Towards Powerful and Efficient Poly-Kernel Remote Sensing Object Detection

• arxiv url: http://arxiv.org/abs/2603.16341v1
• Date: Tue, 17 Mar 2026 10:17:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-18 17:42:07.216298
• Title: PKINet-v2: Towards Powerful and Efficient Poly-Kernel Remote Sensing Object Detection
• Title（参考訳）: PKINet-v2: 強力かつ効率的な多カーネルリモートセンシングオブジェクト検出を目指して
• Authors: Xinhao Cai, Liulei Li, Gensheng Pei, Zeren Sun, Yazhou Yao, Wenguan Wang,
• Abstract要約: PKINet-v2は異方性軸ストリップ畳み込みと等方性正方核を共役し、マルチスコープの受容場を構築する。 PKINet-v2 は PKINet-v1 と比較して$bf3.9times$ FPS の高速化を実現している。
• 参考スコア（独自算出の注目度）: 73.05827565991488
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Object detection in remote sensing images (RSIs) is challenged by the coexistence of geometric and spatial complexity: targets may appear with diverse aspect ratios, while spanning a wide range of object sizes under varied contexts. Existing RSI backbones address the two challenges separately, either by adopting anisotropic strip kernels to model slender targets or by using isotropic large kernels to capture broader context. However, such isolated treatments lead to complementary drawbacks: the strip-only design can disrupt spatial coherence for regular-shaped objects and weaken tiny details, whereas isotropic large kernels often introduce severe background noise and geometric mismatch for slender structures. In this paper, we extend PKINet, and present a powerful and efficient backbone that jointly handles both challenges within a unified paradigm named Poly Kernel Inception Network v2 (PKINet-v2). PKINet-v2 synergizes anisotropic axial-strip convolutions with isotropic square kernels and builds a multi-scope receptive field, preserving fine-grained local textures while progressively aggregating long-range context across scales. To enable efficient deployment, we further introduce a Heterogeneous Kernel Re-parameterization (HKR) Strategy that fuses all heterogeneous branches into a single depth-wise convolution for inference, eliminating fragmented kernel launches without accuracy loss. Extensive experiments on four widely-used benchmarks, including DOTA-v1.0, DOTA-v1.5, HRSC2016, and DIOR-R, demonstrate that PKINet-v2 achieves state-of-the-art accuracy while delivering a $\textbf{3.9}\times$ FPS acceleration compared to PKINet-v1, surpassing previous remote sensing backbones in both effectiveness and efficiency.
• Abstract（参考訳）: リモートセンシング画像(RSI)における物体検出は、幾何学的および空間的複雑さの共存により、課題となる。 既存のRSIバックボーンは、細いターゲットをモデル化するために異方性ストリップカーネルを採用するか、より広いコンテキストをキャプチャするために異方性の大きなカーネルを使用する。 ストリップのみの設計は、通常の形状の物体の空間的コヒーレンスを妨害し、細部を弱めるが、等方性の大きなカーネルは、しばしば強烈な背景ノイズと幾何的ミスマッチを細い構造物に導入する。 本稿では、PKINetを拡張し、Poly Kernel Inception Network v2(PKINet-v2)と呼ばれる統一パラダイム内で、両方の課題を共同で処理する、強力で効率的なバックボーンを提案する。 PKINet-v2は異方性軸ストリップ畳み込みを等方性正方核と相乗し、マルチスコープの受容場を構築し、粒度の細かい局所的なテクスチャを保持しながら、スケールの長いコンテキストを徐々に集約する。 効率的なデプロイを実現するため,不均一な分岐を1つの深さワイドな畳み込みに融合し,断片化されたカーネルの起動を精度の低下なく除去するヘテロジニアスカーネル再パラメータ化(HKR)戦略を導入する。 DOTA-v1.0、DOTA-v1.5、HRSC2016、DIOR-Rを含む4つの広く使われているベンチマークの広範な実験は、PKINet-v2が最先端の精度を達成し、PKINet-v1と比較して$\textbf{3.9}\times$ FPSの加速を実現し、効果と効率の両方において従来のリモートリモートバックボーンを上回ることを実証している。

関連論文リスト

• PFDepth: Heterogeneous Pinhole-Fisheye Joint Depth Estimation via Distortion-aware Gaussian-Splatted Volumetric Fusion [61.6340987158734]
  ヘテロジニアス多視点深度推定のための最初のピンホール・フィッシュアイ・フレームワークPFDepthを提案する。 PFDepthは、ピンホールと魚眼カメラの任意の組み合わせを、様々な内在と外生とで処理できる統一アーキテクチャを採用している。 我々は,現在の主流深度ネットワーク上でのKITTI-360およびRealHetデータセットに対して,PFDepthが最先端の性能を示すことを示す。
  論文  参考訳（メタデータ） (2025-09-30T09:38:59Z)
• FUSE: Label-Free Image-Event Joint Monocular Depth Estimation via Frequency-Decoupled Alignment and Degradation-Robust Fusion [92.4205087439928]
  画像強調共同深度推定法は、頑健な知覚に相補的なモダリティを利用するが、一般化可能性の課題に直面している。 自己監督型転送(PST)と周波数デカップリング型フュージョンモジュール(FreDF)を提案する。 PSTは、画像基盤モデルとの遅延空間アライメントによるクロスモーダルな知識伝達を確立し、データ不足を効果的に軽減する。 FreDFは、低周波構造成分から高周波エッジ特性を明示的に分離し、モード比周波数ミスマッチを解消する。 この組み合わせのアプローチにより、FUSEはターゲットデータセットに対する軽量デコーダ適応のみを必要とするユニバーサルなイメージイベントを構築することができる。
  論文  参考訳（メタデータ） (2025-03-25T15:04:53Z)
• Poly Kernel Inception Network for Remote Sensing Detection [64.60749113583601]
  リモートセンシング画像における物体検出の課題に対処するために,Poly Kernel Inception Network (PKINet)を導入する。 PKINetはディレーションなしでマルチスケールの畳み込みカーネルを使用し、様々なスケールのオブジェクトの特徴を抽出し、ローカルコンテキストをキャプチャする。 これら2つのコンポーネントは、4つの挑戦的なリモートセンシング検出ベンチマーク上でPKINetのパフォーマンスを向上させるために共同で動作する。
  論文  参考訳（メタデータ） (2024-03-10T16:56:44Z)
• SNE-RoadSegV2: Advancing Heterogeneous Feature Fusion and Fallibility Awareness for Freespace Detection [29.348921424716057]
  本稿では、全体的注意モジュール、異種特徴コントラスト記述子、親和性重み付き特徴校正器からなる新規な異種特徴融合ブロックを提案する。 スケール内およびスケール内の両方のスキップ接続をデコーダアーキテクチャに組み込むと同時に、冗長な接続を排除し、精度と計算効率を向上させる。 セマンティック・トランジションと深度不整合領域に別々に焦点をあてる2つの誤認認識損失関数を導入し、モデルトレーニングにおけるより深い監督に寄与する。
  論文  参考訳（メタデータ） (2024-02-29T07:20:02Z)

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。