論文の概要: Knowledge-Guided Adversarial Training for Infrared Object Detection via Thermal Radiation Modeling
- arxiv url: http://arxiv.org/abs/2603.25170v1
- Date: Thu, 26 Mar 2026 08:43:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-27 20:52:48.187777
- Title: Knowledge-Guided Adversarial Training for Infrared Object Detection via Thermal Radiation Modeling
- Title（参考訳）: 熱放射モデルを用いた赤外線物体検出のための知識誘導型対向訓練
- Authors: Shiji Zhao, Shukun Xiong, Maoxun Yuan, Yao Huang, Ranjie Duan, Qing Guo, Jiansheng Chen, Haibin Duan, Xingxing Wei,
- Abstract要約: 本研究では,異なるクラス間の相対的な熱放射関係を,敵対的事例や共通の腐敗の複雑なシナリオの下で信頼性の高い知識源とみなすことができることを示す。
本稿では,赤外線物体検出のための知識誘導型逆トレーニング(KGAT)を提案する。
- 参考スコア（独自算出の注目度）: 49.887347082863194
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In complex environments, infrared object detection exhibits broad applicability and stability across diverse scenarios. However, infrared object detection is vulnerable to both common corruptions and adversarial examples, leading to potential security risks. To improve the robustness of infrared object detection, current methods mostly adopt a data-driven ideology, which only superficially drives the network to fit the training data without specifically considering the unique characteristics of infrared images, resulting in limited robustness. In this paper, we revisit infrared physical knowledge and find that relative thermal radiation relations between different classes can be regarded as a reliable knowledge source under the complex scenarios of adversarial examples and common corruptions. Thus, we theoretically model thermal radiation relations based on the rank order of gray values for different classes, and further quantify the stability of various inter-class thermal radiation relations. Based on the above theoretical framework, we propose Knowledge-Guided Adversarial Training (KGAT) for infrared object detection, in which infrared physical knowledge is embedded into the adversarial training process, and the predicted results are optimized to be consistent with the actual physical laws. Extensive experiments on three infrared datasets and six mainstream infrared object detection models demonstrate that KGAT effectively enhances both clean accuracy and robustness against adversarial attacks and common corruptions.
- Abstract（参考訳）: 複雑な環境では、赤外線オブジェクト検出は様々なシナリオにまたがって幅広い適用性と安定性を示す。
しかし、赤外線物体検出は、一般的な汚職と敵の事例の両方に対して脆弱であり、潜在的なセキュリティリスクをもたらす。
赤外線物体検出のロバスト性を改善するため、現在の手法では、主にデータ駆動イデオロギーを採用しており、特に赤外線画像の特徴を考慮せずに、ネットワークをトレーニングデータに適合させるだけである。
本稿では,赤外線の物理知識を再考し,異なるクラス間の相対的な熱放射関係を,逆例や一般的な腐敗の複雑なシナリオの下で信頼性の高い知識源とみなすことができることを示す。
そこで我々は,各クラスにおけるグレー値のランク順に基づいて熱放射関係を理論的にモデル化し,様々なクラス間熱放射関係の安定性を定量的に評価する。
上記の理論的枠組みに基づいて,赤外線物体検出のための知識誘導逆行訓練(KGAT)を提案し,赤外線物理知識を逆行訓練プロセスに組み込むとともに,予測結果を実際の物理法則と整合性に最適化する。
3つの赤外線データセットと6つの主流赤外線物体検出モデルに対する大規模な実験により、KGATは敵攻撃や一般的な腐敗に対して、クリーンな精度と堅牢性の両方を効果的に向上させることが示された。
関連論文リスト
- Inference-Time Scaling of Diffusion Models for Infrared Data Generation [1.452875650827562]
赤外線アプリケーションのための視覚モデルの開発は、赤外線アノテーションの専門知識によって妨げられている。
領域適応CLIPベースの検証器を用いて、赤外画像生成品質を向上させる推論時間スケーリング手法を提案する。
KAIST Multispectral Pedestrian Detection Benchmark データセットの FID スコアを10%削減した。
論文 参考訳（メタデータ） (2025-11-10T18:18:38Z) - A High-Performance Thermal Infrared Object Detection Framework with Centralized Regulation [5.935808994536907]
本稿では,CRT-YOLO(CRT-YOLO)と呼ばれる,高効率な熱物体検出フレームワークについて述べる。
提案モデルでは,高効率なマルチスケール赤外アテンションモジュールを統合した。
2つのベンチマークデータセットで行った実験は、我々のCRT-YOLOモデルが従来の手法よりも大幅に優れていることを示した。
論文 参考訳（メタデータ） (2025-05-16T03:43:24Z) - WSCIF: A Weakly-Supervised Color Intelligence Framework for Tactical Anomaly Detection in Surveillance Keyframes [3.5516803380598074]
本稿では,高感度戦術ミッションにおける監視映像のカラー特徴に基づく軽量な異常検出フレームワークを提案する。
RGBチャネルヒストグラムモデルを用いて教師なしKMeansクラスタリングを融合し、キーフレームにおける構造異常と色変化信号の複合的検出を実現する。
その結果, 本手法は, 戦術的暗殺警告, 不審な対象検定, 環境変動モニタリングに有効であり, 高い展開性, 戦術的解釈価値が期待できることがわかった。
論文 参考訳（メタデータ） (2025-05-14T04:24:37Z) - Multi-Domain Biometric Recognition using Body Embeddings [51.36007967653781]
身体埋め込みは中波長赤外線(MWIR)領域と長波長赤外線(LWIR)領域の顔埋め込みよりも優れていた。
我々は、IJB-MDFデータセット上でのベンチマーク結果を確立するために、ビジョントランスフォーマーアーキテクチャを活用している。
また, クロスエントロピーとトリプルト損失の単純な組み合わせで, VISデータにのみ事前訓練された体モデルを微調整することで, 最先端のmAPスコアが得られることを示す。
論文 参考訳（メタデータ） (2025-03-13T22:38:18Z) - Physically Adversarial Infrared Patches with Learnable Shapes and
Locations [1.1172382217477126]
逆赤外パッチ(adversarial infrared patch)と呼ばれる物理的に実現可能な赤外線攻撃法を提案する。
対象物の熱放射を捉えた赤外線カメラの撮像機構を考慮すると、対向的赤外線パッチは対象物に熱絶縁材料のパッチを取り付け、その熱分布を制御して攻撃を行う。
我々は、様々な物体検出タスクにおいて、様々な物体検出タスクにおいて、逆赤外線パッチを検証する。
論文 参考訳（メタデータ） (2023-03-24T09:11:36Z) - Interactive Feature Embedding for Infrared and Visible Image Fusion [94.77188069479155]
赤外線と可視画像の融合のための一般的なディープラーニングに基づく手法は、情報保持のための教師なしのメカニズムに依存している。
赤外線および可視画像融合のための自己教師付き学習フレームワークに,インタラクティブな新たな特徴埋め込みを提案する。
論文 参考訳（メタデータ） (2022-11-09T13:34:42Z) - Robust Environment Perception for Automated Driving: A Unified Learning
Pipeline for Visual-Infrared Object Detection [2.478658210785]
我々は、頑健な物体検出のために、視覚と熱の両方の知覚ユニットを利用する。
本稿では,物体検出のために,視覚と熱の両方の知覚ユニットを利用する。
論文 参考訳（メタデータ） (2022-06-08T15:02:58Z) - Target-aware Dual Adversarial Learning and a Multi-scenario
Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection [65.30079184700755]
本研究は、物体検出のために異なるように見える赤外線と可視画像の融合の問題に対処する。
従来のアプローチでは、2つのモダリティの根底にある共通点を発見し、反復最適化またはディープネットワークによって共通空間に融合する。
本稿では、融合と検出の連立問題に対する二段階最適化の定式化を提案し、その後、核融合と一般的に使用される検出ネットワークのためのターゲット認識デュアル逆学習(TarDAL)ネットワークに展開する。
論文 参考訳（メタデータ） (2022-03-30T11:44:56Z) - 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) - Exploring Thermal Images for Object Detection in Underexposure Regions
for Autonomous Driving [67.69430435482127]
アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。
サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。
本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いたドメイン適応フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-01T09:59:09Z)
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。