論文の概要: FryNet: Dual-Stream Adversarial Fusion for Non-Destructive Frying Oil Oxidation Assessment
- arxiv url: http://arxiv.org/abs/2604.21321v1
- Date: Thu, 23 Apr 2026 06:24:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-24 14:40:06.331753
- Title: FryNet: Dual-Stream Adversarial Fusion for Non-Destructive Frying Oil Oxidation Assessment
- Title（参考訳）: FryNet:非破壊的フライ油酸化評価のための二重ストリーム対向核融合
- Authors: Khaled R Ahmed, Toqi Tahamid Sarker, Taminul Islam, Tamany M Alanezi, Amer AbuGhazaleh,
- Abstract要約: 本研究では, 油領域分割, サービス性分類, および4つの化学酸化指標の回帰を共同で行う, 二重ストリームRGB熱水フレームワークを提案する。
28本のフライングビデオの7,226枚のペアフレームで、FryNetは98.97% mIoU、100%の分類精度、2.32の平均回帰MAEを達成し、7つのベースライン全てを上回っている。
- 参考スコア（独自算出の注目度）: 3.7515646463759698
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Monitoring frying oil degradation is critical for food safety, yet current practice relies on destructive wet-chemistry assays that provide no spatial information and are unsuitable for real-time use. We identify a fundamental obstacle in thermal-image-based inspection, the camera-fingerprint shortcut, whereby models memorize sensor-specific noise and thermal bias instead of learning oxidation chemistry, collapsing under video-disjoint evaluation. We propose FryNet, a dual-stream RGB-thermal framework that jointly performs oil-region segmentation, serviceability classification, and regression of four chemical oxidation indices (PV, p-AV, Totox, temperature) in a single forward pass. A ThermalMiT-B2 backbone with channel and spatial attention extracts thermal features, while an RGB-MAE Encoder learns chemically grounded representations via masked autoencoding and chemical alignment. Dual-Encoder DANN adversarially regularizes both streams against video identity via Gradient Reversal Layers, and FiLM fusion bridges thermal structure with RGB chemical context. On 7,226 paired frames across 28 frying videos, FryNet achieves 98.97% mIoU, 100% classification accuracy, and 2.32 mean regression MAE, outperforming all seven baselines.
- Abstract（参考訳）: フライ油の劣化をモニタリングすることは食品の安全性にとって重要であるが、現在の実践は、空間的な情報を提供しず、リアルタイムの使用には適さない破壊的な湿式化学測定法に依存している。
カメラフィンガープリントショートカットでは, 酸化化学を学習する代わりに, センサ固有のノイズや熱バイアスを記憶し, ビデオ不随意評価で崩壊する。
FryNetは, 油領域分割, 可利用性分類, 4つの化学酸化指標(PV, p-AV, Totox, temperature)を1つの前方通過で共同で行う, 二重ストリームRGB熱水型フレームワークである。
RGB-MAEエンコーダは、マスク付きオートエンコーディングと化学アライメントによって化学的に接地された表現を学習する。
デュアルエンコーダDANNは、グラディエント・リバーサル層を介して、両方のストリームをビデオアイデンティティに対して逆向きに正規化し、FiLM融合はRGB化学コンテキストで熱構造を橋渡しする。
28本のフライングビデオの7,226枚のペアフレームで、FryNetは98.97% mIoU、100%の分類精度、2.32の平均回帰MAEを達成し、7つのベースライン全てを上回っている。
関連論文リスト
- 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) - From Static Spectra to Operando Infrared Dynamics: Physics Informed Flow Modeling and a Benchmark [67.29937933325849]
Operando IR Predictionは、1つの静的スペクトルからスペクトル指紋の時間分解進化を予測することを目的としている。
OpIRSpec-7Kは、10の異なるバッテリーシステムにわたる7,118の高品質なサンプルで構成されている。
ABCCは最先端の静的、シーケンシャル、および生成的ベースラインを著しく上回る。
論文 参考訳（メタデータ） (2026-02-20T18:58:43Z) - ThermalLoc: A Vision Transformer-Based Approach for Robust Thermal Camera Relocalization in Large-Scale Environments [11.322440891972901]
熱カメラは、熱放射によって環境データをキャプチャする。
従来の視覚的再局在法は熱画像に直接適用できない。
本研究では,熱画像再局在化のための新しいエンドツーエンド深層学習手法であるHeatherLocを紹介する。
論文 参考訳（メタデータ） (2025-06-23T03:52:35Z) - Few-Step Diffusion via Score identity Distillation [67.07985339442703]
拡散蒸留は, テキスト・ツー・イメージ(T2I)拡散モデルを促進するための有望な戦略として浮上している。
既存の方法は、高分解能T2I拡散モデルを蒸留する際に、実像や教師合成画像に頼っている。
教師のCFGを無効にし、偽スコアネットワークでテキストコンディショニングを除去するZero-CFGと、偽スコアネットワークで否定的なCFGを適用するAnti-CFGの2つの新しいガイダンス戦略を提案する。
論文 参考訳（メタデータ） (2025-05-19T03:45:16Z) - RS-vHeat: Heat Conduction Guided Efficient Remote Sensing Foundation Model [59.37279559684668]
本稿では,効率的なマルチモーダルリモートセンシング基盤モデルであるRS-vHeatを紹介する。
具体的には、RS-vHeatは、O(N1.5)$の複雑さを持つ熱伝導演算子(HCO)と、大域的受容場を適用している。
注意に基づくリモートセンシング基礎モデルと比較して、メモリ使用量を84%削減し、FLOPを24%削減し、スループットを2.7倍改善する。
論文 参考訳（メタデータ） (2024-11-27T01:43:38Z) - FlameFinder: Illuminating Obscured Fire through Smoke with Attentive Deep Metric Learning [11.218765140036254]
FlameFinderは、山火事の監視中に消防士のドローンの熱画像を使って、煙によって隠されたとしても、炎を正確に検知するように設計されている。
従来のRGBカメラはそのような状況では苦戦するが、熱カメラは煙を吸収する炎の特徴を捉えることができる。
この問題を解決するために、FlameFinderは2枚の熱-RGB画像を用いてトレーニングを行っている。煙のないサンプルから潜熱火炎の特徴を学習することで、モデルは相対的な熱勾配に偏りが小さくなる。
論文 参考訳（メタデータ） (2024-04-09T23:24:19Z) - Invisible Gas Detection: An RGB-Thermal Cross Attention Network and A New Benchmark [24.108560366345248]
本稿では,RGBを用いた2ストリームネットワークアーキテクチャを用いて,RGB画像のテクスチャ情報と熱画像のガス領域情報を統合するRGB-Thermal Cross Attention Network (RT-CAN)を提案する。
Gas-DBは、約1.3Kの注釈付きRGB熱水画像と8種類のコレクションシーンを含む、大規模なオープンソースのガス検知データベースである。
論文 参考訳（メタデータ） (2024-03-26T13:58:47Z) - Residual Spatial Fusion Network for RGB-Thermal Semantic Segmentation [19.41334573257174]
従来の方法では、主にRGBイメージを使用し、照明条件、例えば暗闇の影響が大きい。
近年の研究では、セグメンテーションの補正モダリティとして、熱画像は夜のシナリオに頑健であることが示されている。
本稿では,RGB-TセマンティックセグメンテーションのためのResidual Spatial Fusion Network (RSFNet)を提案する。
論文 参考訳（メタデータ） (2023-06-17T14:28:08Z) - Does Thermal Really Always Matter for RGB-T Salient Object Detection? [153.17156598262656]
本稿では,RGB-T有意物体検出(SOD)タスクを解決するために,TNetというネットワークを提案する。
本稿では,画像のグローバル照度を推定するためのグローバル照度推定モジュールを提案する。
一方, 2段階の局所化と相補化モジュールを導入し, 熱的特徴の物体位置化キューと内部整合キューをRGBモダリティに転送する。
論文 参考訳（メタデータ） (2022-10-09T13:50:12Z) - Spatial-Temporal Frequency Forgery Clue for Video Forgery Detection in
VIS and NIR Scenario [87.72258480670627]
既存の周波数領域に基づく顔偽造検出手法では、GAN鍛造画像は、実際の画像と比較して、周波数スペクトルに明らかな格子状の視覚的アーチファクトを持つ。
本稿では,コサイン変換に基づくフォージェリークリュー拡張ネットワーク(FCAN-DCT)を提案し,より包括的な時空間特徴表現を実現する。
論文 参考訳（メタデータ） (2022-07-05T09:27:53Z)
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。