論文の概要: Image-Conditioned Instance Prompt Network for Referring Remote Sensing Image Segmentation

• arxiv url: http://arxiv.org/abs/2605.24532v1
• Date: Sat, 23 May 2026 11:52:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:18.16843
• Title: Image-Conditioned Instance Prompt Network for Referring Remote Sensing Image Segmentation
• Title（参考訳）: リモートセンシング画像セグメント参照のための画像記述型インスタンスプロンプトネットワーク
• Authors: Biaoyu Ren, Qingsheng Wang, Cun Xu, Dingkang Yang, Wenxuan Wang,
• Abstract要約: 本稿では,バイラテラル情報融合を用いた画像共有型インスタンス・プロンプト・ネットワーク(ICIPNet)を提案する。 ICIPNetは外部知識のない自己適応型視覚表現と意味表現を生成する。 実験により、提案されたICIPNetは既存のRRSISモデルより優れていることが示された。
• 参考スコア（独自算出の注目度）: 24.60554431780412
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Referring Remote Sensing Image Segmentation (RRSIS) is a situated, task-driven cross-modal task related to the embodied perception paradigm, requiring models to align visual-spatial features with linguistic intentions for precise target perception. Recent research has focused on refining the granularity of textual features and optimizing image-text feature fusion to better guide target feature representations. However, insufficient descriptive granularity and sensitivity to semantic shifts can cause bottlenecks in cross-modal feature fusion. To address these issues, we propose the Image-Conditioned Instance Prompt Network (ICIPNet) with Bilateral Information Fusion, which is designed to alleviate bottlenecks in cross-modal feature fusion. ICIPNet introduces an Image-Conditioned Instance Prompt (ICIP) module to generate self-adaptive visual and semantic representations without external knowledge. The Bilateral Information Fusion (BIF) module enhances feature fusion along the token and channel dimensions. Experiments demonstrate that the proposed ICIPNet outperforms existing RRSIS models.
• Abstract（参考訳）: Referring Remote Sensing Image Segmentation (RRSIS) は、視覚空間の特徴を言語的意図と整合させ、正確な目標知覚のためにモデルを必要とする、実施されたタスク駆動のクロスモーダルタスクである。 近年の研究では、テキスト特徴の粒度を改良し、画像テキスト特徴融合を最適化し、目標特徴表現をより良くガイドすることに焦点を当てている。 しかし、セマンティックシフトに対する記述的粒度と感度の不足は、クロスモーダルな特徴融合のボトルネックを引き起こす可能性がある。 これらの課題に対処するため, クロスモーダルな特徴融合におけるボトルネックを軽減するために, バイラテラル情報融合を用いたイメージコンディション・インスタンス・プロンプト・ネットワーク (ICIPNet) を提案する。 ICIPNetは、外部の知識を使わずに、自己適応的な視覚的および意味的な表現を生成するために、画像定義インスタンスプロンプト(ICIP)モジュールを導入した。 Bilateral Information Fusion (BIF)モジュールはトークンとチャネル次元に沿った機能融合を強化する。 実験により、提案されたICIPNetは既存のRRSISモデルより優れていることが示された。

関連論文リスト

• CtrlFuse: Mask-Prompt Guided Controllable Infrared and Visible Image Fusion [51.060328159429154]
  赤外線と可視画像の融合は、相補的なモダリティを組み合わせることで、全天候の知覚可能な画像を生成する。 我々は,マスクプロンプトによって誘導されるインタラクティブな動的融合を可能にする,制御可能な画像融合フレームワークであるCtrlFuseを提案する。 実験では、融合制御性とセグメンテーション精度の両立を実証し、適応されたタスク分岐は元のセグメンテーションモデルよりも優れていた。
  論文  参考訳（メタデータ） (2026-01-12T13:36:48Z)
• Modality-Aware Infrared and Visible Image Fusion with Target-Aware Supervision [8.898422193366354]
  本稿では,モダリティ間相互作用を明示的にモデル化し,タスククリティカル領域を拡張できる新しいエンドツーエンド融合フレームワークを提案する。 FusionNetは、赤外線と可視光の寄与を動的に調整するモダリティ対応のアテンションメカニズムを導入している。 公開M3FDデータセットの実験では、FusionNetは、セマンティック保存の強化、高い知覚品質、明確な解釈可能性を備えた融合画像を生成する。
  論文  参考訳（メタデータ） (2025-09-14T23:44:15Z)
• Multimodal-Aware Fusion Network for Referring Remote Sensing Image Segmentation [7.992331117310217]
  リモートセンシング画像セグメンテーション(RRSIS)は、リモートセンシング画像セグメンテーションにおける新しい視覚課題である。 我々は,2つのモード間の微粒なアライメントと融合を実現するために,マルチモーダル・アウェア・フュージョン・ネットワーク(MAFN)を設計する。
  論文  参考訳（メタデータ） (2025-03-14T08:31:21Z)
• Scale-wise Bidirectional Alignment Network for Referring Remote Sensing Image Segmentation [12.893224628061516]
  リモートセンシング画像セグメンテーション(RRSIS)の目的は、自然言語表現を用いて、空中画像内の特定のピクセルレベル領域を抽出することである。 本稿では,これらの課題に対処するため,SBANet(Scale-wise Bidirectional Alignment Network)と呼ばれる革新的なフレームワークを提案する。 提案手法は,RRSIS-DとRefSegRSのデータセットにおける従来の最先端手法と比較して,優れた性能を実現する。
  論文  参考訳（メタデータ） (2025-01-01T14:24:04Z)
• Cross-Modal Bidirectional Interaction Model for Referring Remote Sensing Image Segmentation [50.433911327489554]
  リモートセンシング画像セグメンテーション(RRSIS)の目標は、参照式によって識別された対象オブジェクトの画素レベルマスクを生成することである。 上記の課題に対処するため、クロスモーダル双方向相互作用モデル(CroBIM)と呼ばれる新しいRRSISフレームワークが提案されている。 RRSISの研究をさらに推し進めるために、52,472個の画像言語ラベル三重項からなる新しい大規模ベンチマークデータセットRISBenchを構築した。
  論文  参考訳（メタデータ） (2024-10-11T08:28:04Z)
• Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
  Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。 従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。 本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
  論文  参考訳（メタデータ） (2023-12-19T08:14:14Z)
• Cross-receptive Focused Inference Network for Lightweight Image Super-Resolution [64.25751738088015]
  トランスフォーマーに基づく手法は、単一画像超解像(SISR)タスクにおいて顕著な性能を示した。 動的に特徴を抽出するために文脈情報を組み込む必要がある変換器は無視される。 我々は,CNNとTransformerを混合したCTブロックのカスケードで構成される,軽量なクロスレセプティブ・フォーカスド・推論・ネットワーク(CFIN)を提案する。
  論文  参考訳（メタデータ） (2022-07-06T16:32:29Z)
• Two-stage Visual Cues Enhancement Network for Referring Image Segmentation [89.49412325699537]
  Referring Image (RIS)は、ある自然言語表現によって参照される画像から対象のオブジェクトをセグメント化することを目的としている。 本稿では,2段階のビジュアルキュー拡張ネットワーク(TV-Net)を考案し,この問題に対処する。 この2段階の強化により,提案するTV-Netは,自然言語表現と画像間のきめ細かいマッチング動作の学習において,より優れた性能を享受できる。
  論文  参考訳（メタデータ） (2021-10-09T02:53:39Z)

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。