論文の概要: ORSIFlow: Saliency-Guided Rectified Flow for Optical Remote Sensing Salient Object Detection

• arxiv url: http://arxiv.org/abs/2603.28584v1
• Date: Mon, 30 Mar 2026 15:33:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:45.484492
• Title: ORSIFlow: Saliency-Guided Rectified Flow for Optical Remote Sensing Salient Object Detection
• Title（参考訳）: ORSIFlow:光リモートセンシング型高次物体検出のための塩分誘導整流
• Authors: Haojing Chen, Yutong Li, Zhihang Liu, Tao Tan, Haoyu Bian, Qiuju Ma,
• Abstract要約: 光リモートセンシング画像塩物検出(ORSI-SOD)は、複雑な背景、低コントラスト、不規則な物体形状、オブジェクトスケールの大きなバリエーションのため、依然として困難である。 本稿では,ORSI-SOD を決定論的潜在フロー生成問題として再定義する ORSIFlow を提案する。 本研究では,大域的意味識別のための有意特徴判別器と,正確な境界修正のための有意特徴検定器を設計する。
• 参考スコア（独自算出の注目度）: 16.437554336020757
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Optical Remote Sensing Image Salient Object Detection (ORSI-SOD) remains challenging due to complex backgrounds, low contrast, irregular object shapes, and large variations in object scale. Existing discriminative methods directly regress saliency maps, while recent diffusion-based generative approaches suffer from stochastic sampling and high computational cost. In this paper, we propose ORSIFlow, a saliency-guided rectified flow framework that reformulates ORSI-SOD as a deterministic latent flow generation problem. ORSIFlow performs saliency mask generation in a compact latent space constructed by a frozen variational autoencoder, enabling efficient inference with only a few steps. To enhance saliency awareness, we design a Salient Feature Discriminator for global semantic discrimination and a Salient Feature Calibrator for precise boundary refinement. Extensive experiments on multiple public benchmarks show that ORSIFlow achieves state-of-the-art performance with significantly improved efficiency. Codes are available at: https://github.com/Ch3nSir/ORSIFlow.
• Abstract（参考訳）: 光リモートセンシング画像塩物検出(ORSI-SOD)は、複雑な背景、低コントラスト、不規則な物体形状、オブジェクトスケールの大きなバリエーションのため、依然として困難である。 既存の差別的手法は、直接サリエンシマップを抑圧する一方、近年の拡散に基づく生成アプローチは、確率的サンプリングと高い計算コストに悩まされている。 本稿では,ORSI-SOD を決定論的潜在フロー生成問題として再検討した ORSIFlow を提案する。 ORSIFlowは、凍結した変分オートエンコーダによって構築されたコンパクトな潜時空間でサリエンシマスク生成を行い、数ステップで効率的な推論を可能にする。 本研究では,大域的意味識別のための有意特徴判別器と,正確な境界修正のための有意特徴検定器を設計する。 複数の公開ベンチマークでの大規模な実験は、ORSIFlowが最先端のパフォーマンスを達成し、効率が大幅に向上したことを示している。 コードは、https://github.com/Ch3nSir/ORSIFlow.comで入手できる。

関連論文リスト

• FlowDet: Unifying Object Detection and Generative Transport Flows [8.17965476453797]
  この研究はディフフュージョンデット(DiffusionDet)によるもので、元々は拡散による境界ボックス空間における生成的ノイズ発生問題として検出をフレーム化していた。 我々は,この定式化をより広範な生成的輸送問題に再考・一般化するとともに,箱の数や推論ステップを再訓練せずに変更する能力を維持した。 拡散によって誘導される湾曲した輸送経路とは対照的に、FlowDetはよりシンプルで直線的な経路を学習し、推論ステップの数が増えるにつれて、検出性能のスケーリングが高速化される。
  論文  参考訳（メタデータ） (2025-12-18T17:03:49Z)
• Blockwise Flow Matching: Improving Flow Matching Models For Efficient High-Quality Generation [33.177998521195114]
  フローマッチングモデルは、幅広い領域にわたる高忠実性データ生成の境界を押し上げている。 生成軌道を複数の時間セグメントに分割する新しいフレームワークであるBlockwise Flow Matching (BFM)を提案する。 BFMは2.1倍から4.9倍の高速化を実現している。
  論文  参考訳（メタデータ） (2025-10-24T05:41:23Z)
• Event Signal Filtering via Probability Flux Estimation [58.31652473933809]
  イベントは、非同期センシングを通じてシーンダイナミクスをキャプチャするための新しいパラダイムを提供するが、その固有のランダム性は、しばしば劣化した信号品質につながる。 したがって、イベント信号フィルタリングは、この内部ランダム性を低減し、多様な取得条件をまたいだ一貫した出力を確保することで、忠実性を高めるために不可欠である。 本稿ではイベント密度フローフィルタ(EDFilter)と呼ばれる生成オンラインフィルタリングフレームワークを紹介する。 実験では、イベントフィルタリング、スーパーレゾリューション、イベントベースの直接追跡といったタスクでEDFilterのパフォーマンスを検証する。
  論文  参考訳（メタデータ） (2025-04-10T07:03:08Z)
• FlowTS: Time Series Generation via Rectified Flow [67.41208519939626]
  FlowTSは、確率空間における直線輸送を伴う整流フローを利用するODEベースのモデルである。 非条件設定では、FlowTSは最先端のパフォーマンスを達成し、コンテキストFIDスコアはStockとETThデータセットで0.019と0.011である。 条件設定では、太陽予測において優れた性能を達成している。
  論文  参考訳（メタデータ） (2024-11-12T03:03:23Z)
• FlowIE: Efficient Image Enhancement via Rectified Flow [71.6345505427213]
  FlowIEはフローベースのフレームワークであり、基本的な分布から高品質な画像への直線パスを推定する。 私たちのコントリビューションは、合成および実世界のデータセットに関する包括的な実験を通じて、厳密に検証されています。
  論文  参考訳（メタデータ） (2024-06-01T17:29:29Z)
• Normalizing flow neural networks by JKO scheme [22.320632565424745]
  我々はJKO-iFlowと呼ばれるニューラルネットワークを開発し、Jordan-Kinderleherer-Ottoスキームに触発された。 提案手法は,残余ブロックを次々と積み重ねることにより,残余ブロックの効率的なブロックワイズ訓練を可能にする。 合成および実データを用いた実験により,提案したJKO-iFlowネットワークが競合性能を発揮することが示された。
  論文  参考訳（メタデータ） (2022-12-29T18:55:00Z)
• 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)
• AQD: Towards Accurate Fully-Quantized Object Detection [94.06347866374927]
  本稿では,浮動小数点演算を除去するために,AQDと呼ばれる高精度な量子化オブジェクト検出ソリューションを提案する。 我々のAQDは、非常に低ビットのスキームの下での完全精度と比較して、同等またはそれ以上の性能を実現しています。
  論文  参考訳（メタデータ） (2020-07-14T09:07:29Z)

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。