論文の概要: Building Extraction from Remote Sensing Imagery under Hazy and Low-light Conditions: Benchmark and Baseline

• arxiv url: http://arxiv.org/abs/2604.15088v1
• Date: Thu, 16 Apr 2026 14:49:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:31.955694
• Title: Building Extraction from Remote Sensing Imagery under Hazy and Low-light Conditions: Benchmark and Baseline
• Title（参考訳）: 低照度環境下におけるリモートセンシング画像からのビルディング抽出:ベンチマークとベースライン
• Abstract要約: 光リモートセンシング(RS)画像からのビルディング抽出は, 実環境や低照度環境下での性能劣化に悩まされている。 HaLoBuildingは、ぼんやりとした低照度条件下での抽出を目的とした、初めての光学的ベンチマークである。 本稿では、有害なRSシナリオで抽出を構築するための新しいエンドツーエンドフレームワークであるHaLoBuild-Netを提案する。
• 参考スコア（独自算出の注目度）: 13.514199503432467
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Building extraction from optical Remote Sensing (RS) imagery suffers from performance degradation under real-world hazy and low-light conditions. However, existing optical methods and benchmarks focus primarily on ideal clear-weather conditions. While SAR offers all-weather sensing, its side-looking geometry causes geometric distortions. To address these challenges, we introduce HaLoBuilding, the first optical benchmark specifically designed for building extraction under hazy and low-light conditions. By leveraging a same-scene multitemporal pairing strategy, we ensure pixel-level label alignment and high fidelity even under extreme degradation. Building upon this benchmark, we propose HaLoBuild-Net, a novel end-to-end framework for building extraction in adverse RS scenarios. At its core, we develop a Spatial-Frequency Focus Module (SFFM) to effectively mitigate meteorological interference on building features by coupling large receptive field attention with frequency-aware channel reweighting guided by stable low-frequency anchors. Additionally, a Global Multi-scale Guidance Module (GMGM) provides global semantic constraints to anchor building topologies, while a Mutual-Guided Fusion Module (MGFM) implements bidirectional semantic-spatial calibration to suppress shallow noise and sharpen weather-induced blurred boundaries. Extensive experiments demonstrate that HaLoBuild-Net significantly outperforms state-of-the-art methods and conventional cascaded restoration-segmentation paradigms on the HaLoBuilding dataset, while maintaining robust generalization on WHU, INRIA, and LoveDA datasets. The source code and datasets are publicly available at: https://github.com/AeroVILab-AHU/HaLoBuilding.
• Abstract（参考訳）: 光リモートセンシング(RS)画像からのビルディング抽出は, 実環境や低照度環境下での性能劣化に悩まされている。 しかし、既存の光学的手法とベンチマークは主に理想的なクリアウェザー条件に焦点を当てている。 SARは全天候感知を提供するが、横方向の幾何学は幾何学的歪みを引き起こす。 これらの課題に対処するために,ハロービルディング(HaLoBuilding)を紹介した。 また, 画素レベルのラベルアライメントと高忠実度を極度に劣化しても確保する。 このベンチマークに基づいて、有害なRSシナリオで抽出を構築するための新しいエンドツーエンドフレームワークであるHaLoBuild-Netを提案する。 その中核として、安定した低周波アンカーによって誘導される周波数認識チャネル再重み付けと、大きな受容野の注意を結合させることにより、建築特徴に対する気象干渉を効果的に緩和する空間周波数焦点モジュール(SFFM)を開発した。 さらに、GMGM(Global Multi-scale Guidance Module)は、建築トポロジをアンカーするためのグローバルなセマンティック制約を提供し、MGFM(Mutual-Guided Fusion Module)は、浅いノイズを抑えるために双方向のセマンティック空間キャリブレーションを実装し、気象に起因した境界線を鋭くする。 HaLoBuild-Netは、WHU、INRIA、LoveDAデータセットの堅牢な一般化を維持しながら、HaLoBuildingデータセットの最先端メソッドと従来のケースケード復元-セグメンテーションパラダイムを著しく上回っている。 ソースコードとデータセットは、https://github.com/AeroVILab-AHU/HaLoBuilding.comで公開されている。

関連論文リスト

• Heterogeneous SAR-optical fusion for near-real-time land use and land cover mapping under cloud contamination: A novel framework and global benchmark dataset [8.89851770832353]
  CloudLULC-Netは、エンドツーエンドのヘテロジニアスなSAR-光融合フレームワークである。 雲に汚染されたSentinel-2画像と時間的に隣接したSentinel-1 SAR観測からLULCマップを直接予測する。 CloudLULC-NetのOAは86.60%、F1スコアは83.29%、mIoUは73.51%である。
  論文  参考訳（メタデータ） (2026-06-16T09:25:10Z)
• IB-HFN: Information Bottleneck-Driven SAR-Optical Fusion Network for High-Fidelity Cloud Removal [18.935012033334477]
  本稿では,SAR支援光雲除去のためのInformation Bottleneck-driven High-Fidelity Network (IB-HFN)を提案する。 IB-HFNは、深いセマンティック融合の前にモダリティ固有の表現を保持するためにデュアルストリームバックボーンを使用している。 SEN12MS-CRデータセットの時分割実験により、IB-HFNは既存の手法よりも優れた構造保存とスペクトル忠実性が得られることが示された。
  論文  参考訳（メタデータ） (2026-06-08T11:19:06Z)
• Internally Referenced Low-Light Enhancement [9.915987964447067]
  自己監督型低照度画像強調(LLIE)は、外部のペアデータへの依存をなくすため、非常に魅力的である。 劣化した入力画像から信頼性の高い物理的および構造的参照を抽出する内部参照LLIEフレームワークを提案する。 提案手法は最先端の性能を実現し,優れたノイズ抑圧とテクスチャ忠実度を実現する。
  論文  参考訳（メタデータ） (2026-05-27T15:20:35Z)
• Physically-Induced Atmospheric Adversarial Perturbations: Enhancing Transferability and Robustness in Remote Sensing Image Classification [54.952203312050564]
  敵対的攻撃は、リモートセンシング(RS)画像分類におけるディープラーニングモデルの信頼性に深刻な脅威をもたらす。 本稿ではフォグフール(FogFool)を提案する。 2つのベンチマークRSデータセットの実験は、FogFoolが優れたパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2026-04-16T05:47:57Z)
• HAD: Hierarchical Asymmetric Distillation to Bridge Spatio-Temporal Gaps in Event-Based Object Tracking [80.07224739976911]
  イベントカメラは例外的な時間分解能と範囲(モード)を提供する RGBカメラは高解像度でリッチテクスチャを捉えるのに優れていますが、イベントカメラは例外的な時間分解能とレンジ(モダル)を提供します。
  論文  参考訳（メタデータ） (2025-10-22T13:15:13Z)
• FMC-DETR: Frequency-Decoupled Multi-Domain Coordination for Aerial-View Object Detection [18.023418423273082]
  本研究では,FMC-DETRを提案する。FMC-DETR,FMC-DETR,FMC-DETR,FMC-DETR,FMC-DETR,FMC-DETR,FMC-DETR,FMC-DETR,FMC-DETR。 まず、大域的低周波文脈知覚を高めるために、カスケードウェーブレット変換を適用したWavelet Kolmogorov-Arnold Transformer (WeKat) のバックボーンを導入する。 次に、軽量なクロスステージ部分核融合(CPF)モジュールは冗長性を低減し、マルチスケールの機能相互作用を改善する。 最後に,Multi-Domain Feature Coordination (MDFC)モジュールについて述べる。
  論文  参考訳（メタデータ） (2025-09-27T02:28:22Z)
• Efficient Dual-domain Image Dehazing with Haze Prior Perception [26.57698394898644]
  トランスフォーマーベースのモデルは、シングルイメージのデハージングにおいて強力なグローバルモデリング能力を示すが、その高い計算コストはリアルタイム適用性を制限する。 そこで我々はDGFDNet(Dark Channel Guided Frequency-aware Dehazing Network)を提案する。 4つのベンチマークハウズデータセットの実験により、DGFDNetは、より優れた堅牢性とリアルタイム効率で最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2025-07-15T06:56:56Z)
• Towards Generalized Range-View LiDAR Segmentation in Adverse Weather [65.22588361803942]
  我々は、厳しい天候下でのLiDARセグメンテーションの一般化に影響を及ぼす固有の課題を特定し、分析する。 既存のモデルのコアアーキテクチャを変更することなく、ロバスト性を高めるモジュール式で軽量なフレームワークを提案する。 提案手法は,推定オーバーヘッドを最小限に抑え,悪天候への一般化を著しく改善する。
  論文  参考訳（メタデータ） (2025-06-10T16:48:27Z)
• 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)
• HazyDet: Open-Source Benchmark for Drone-View Object Detection with Depth-Cues in Hazy Scenes [54.24350833692194]
  HazyDetは、ヘイジーな環境でドローンビューオブジェクトを検出するために特別に設計された、最初の大規模ベンチマークである。 本稿では,迷路による視覚劣化に対処するため,Depth-Conditioned Detector (DeCoDet)を提案する。 HazyDetは、検出アルゴリズムを前進させるための挑戦的で現実的なテストベッドを提供する。
  論文  参考訳（メタデータ） (2024-09-30T00:11:40Z)
• Dense Attention Fluid Network for Salient Object Detection in Optical Remote Sensing Images [193.77450545067967]
  光リモートセンシング画像(RSI)における有意物体検出のためのエンド・ツー・エンドDense Attention Fluid Network(DAFNet)を提案する。 GCA(Global Context-Aware Attention)モジュールは、長距離の意味的関係を適応的にキャプチャするために提案される。 我々は、2000枚の画像とピクセルワイドなサリエンシアノテーションを含むSODのための新しい、挑戦的な光学RSIデータセットを構築した。
  論文  参考訳（メタデータ） (2020-11-26T06:14:10Z)

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。