論文の概要: Na-IRSTD: Enhancing Infrared Small Target Detection via Native-Resolution Feature Selection and Fusion

• arxiv url: http://arxiv.org/abs/2605.05804v1
• Date: Thu, 07 May 2026 07:42:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.599672
• Title: Na-IRSTD: Enhancing Infrared Small Target Detection via Native-Resolution Feature Selection and Fusion
• Title（参考訳）: Na-IRSTD:Native-Resolution Feature Selection and Fusionによる赤外小ターゲット検出の強化
• Authors: Qian Xu, Chi Zhang, Qiming Zhang, Xi Li, Haojuan Yuan, Mingjin Zhang,
• Abstract要約: IRSTDのためのネイティブ解像度特徴抽出・融合フレームワークであるNa-IRSTDを提案する。 このフレームワークは、微妙なターゲットキューを保存するために、ネイティブレゾリューション機能をエレガントに組み込んでいる。 また、高い精度と信頼性でターゲットパッチを選択する効果的なトークン削減と選択戦略も導入する。
• 参考スコア（独自算出の注目度）: 18.54652205368187
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Infrared small target detection (IRSTD) faces the inherent challenge of precisely localizing dim targets amid complex background clutter. While progress has been made, existing methods usually follow conventional strategies to downsample features and discard small targets' details, resulting in suboptimal performance. In this paper, we present Na-IRSTD, a native-resolution feature extraction and fusion framework for IRSTD. This framework elegantly incorporates native-resolution features to preserve subtle target cues, overcoming the resolution limitations of existing infrared approaches and significantly improving the model's ability to localize small targets. We also introduce an effective token reduction and selection strategy, which selects target patches with high accuracy and confidence, boosting the low-level details of the feature while effectively reducing native-resolution patch tokens compared to dense processing, thereby avoiding imposing an unbearable computational burden. Extensive experiments demonstrate the robustness and effectiveness of our token reduction and selection strategy across multiple public datasets. Ultimately, our Na-IRSTD model achieves state-of-the-art performance on four benchmarks.
• Abstract（参考訳）: 赤外線小目標検出(IRSTD)は、複雑な背景乱れの中で、ディムターゲットを正確に位置決めする固有の課題に直面している。 進捗が進んでいるが、既存の手法は通常、機能をダウンサンプルし、小さなターゲットの詳細を破棄する従来の戦略に従っており、結果として準最適性能をもたらす。 本稿では、IRSTDのためのネイティブ解像度特徴抽出・融合フレームワークNa-IRSTDを提案する。 このフレームワークは、微妙なターゲットキューを保存し、既存の赤外線アプローチの解像度制限を克服し、小さなターゲットをローカライズするモデルの能力を大幅に改善するために、ネイティブレゾリューション機能をエレガントに組み込んでいる。 また、高い精度と信頼性でターゲットパッチを選択し、特徴の低レベル詳細化を図り、高密度処理と比較してネイティブ解像度のパッチトークンを効果的に削減し、計算負荷を抑える効果的なトークン削減選択戦略も導入する。 複数の公開データセットにまたがるトークンの削減と選択戦略の堅牢性と有効性を示す大規模な実験を行った。 最終的に、我々のNa-IRSTDモデルは、4つのベンチマークで最先端のパフォーマンスを達成する。

関連論文リスト

• Rethinking Evaluation of Infrared Small Target Detection [105.59753496831739]
  本稿では,画素レベルと目標レベルのパフォーマンスを取り入れたハイブリッドレベルのメトリクスを導入し,システム的エラー解析手法を提案し,クロスデータセット評価の重要性を強調した。 標準化されたベンチマークを容易にするオープンソースツールキットがリリースされた。
  論文  参考訳（メタデータ） (2025-09-21T02:45:07Z)
• It's Not the Target, It's the Background: Rethinking Infrared Small Target Detection via Deep Patch-Free Low-Rank Representations [5.326302374594885]
  本稿では、LRRNetと呼ばれる新しいエンドツーエンドIRSTDフレームワークを提案する。 乱れシーンの物理的圧縮性に着想を得て,本手法は圧縮・再構成・減算パラダイムを採用する。 複数の公開データセットの実験により、LRRNetは検出精度、堅牢性、計算効率の点で38の最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-12T07:24:45Z)
• Pinwheel-shaped Convolution and Scale-based Dynamic Loss for Infrared Small Target Detection [0.4398130586098371]
  バックボーンネットワークの下位層における標準畳み込みの代替として,新しいピンホイール型畳み込み(PConv)を提案する。 PConvは、ディム小ターゲットの画素ガウス空間分布とよく一致し、特徴抽出を強化し、受容野を著しく増加させ、パラメータの最小増加しか導入しない。 我々はSIRST-UAVBという新しいベンチマークを構築し、これは実際の単フレーム赤外線小ターゲット検出において、これまでで最大かつ最も難しいデータセットである。
  論文  参考訳（メタデータ） (2024-12-22T12:04:02Z)
• Unleashing the Power of Generic Segmentation Models: A Simple Baseline for Infrared Small Target Detection [57.666055329221194]
  本稿では,Segment Anything Model (SAM) などのジェネリックセグメンテーションモデルの赤外線小物体検出タスクへの適応について検討する。 提案モデルでは,既存の手法と比較して,精度とスループットの両方で性能が大幅に向上した。
  論文  参考訳（メタデータ） (2024-09-07T05:31:24Z)
• Refined Infrared Small Target Detection Scheme with Single-Point Supervision [2.661766509317245]
  単一点監視を用いた革新的赤外線小目標検出手法を提案する。 提案手法は最先端(SOTA)性能を実現する。 特に、提案手法は「ICPR 2024 Resource-Limited Infrared Small Target Detection Challenge Track 1: Weakly Supervised Infrared Small Target Detection」で3位を獲得した。
  論文  参考訳（メタデータ） (2024-08-05T18:49:58Z)
• SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised Learning for Robust Infrared Small Target Detection [53.19618419772467]
  単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。 Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。 赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
  論文  参考訳（メタデータ） (2024-03-08T16:14:54Z)
• Enhancing Infrared Small Target Detection Robustness with Bi-Level Adversarial Framework [61.34862133870934]
  本稿では,異なる汚職の存在下での検出の堅牢性を促進するために,二段階の対向的枠組みを提案する。 我々の手法は広範囲の汚職で21.96%のIOUを著しく改善し、特に一般ベンチマークで4.97%のIOUを推進している。
  論文  参考訳（メタデータ） (2023-09-03T06:35:07Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)

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。