論文の概要: DarkVesselNet: Multi-Modal Remote Sensing and Trajectory Reasoning for Dark Vessel Detection

• arxiv url: http://arxiv.org/abs/2606.00445v1
• Date: Sat, 30 May 2026 00:31:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.460449
• Title: DarkVesselNet: Multi-Modal Remote Sensing and Trajectory Reasoning for Dark Vessel Detection
• Title（参考訳）: DarkVesselNet:ダーク容器検出のためのマルチモードリモートセンシングと軌道推論
• Abstract要約: DarkVesselNetは、Sentinel-1 SAR、Sentinel-2光画像、地理空間モデルバックボーン、AIS軌道推論、TGARDスタイルのギャップ検出、Pi-DPMにインスパイアされた異常ヘッドを組み合わせたマルチモーダルリモートセンシングスタックである。 リポジトリは、テスト済みのPythonパッケージと公開のHugging Face Spaceとしてシステムを公開している。
• 参考スコア（独自算出の注目度）: 1.5229257192293202
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dark vessel detection requires fusing what vessels report through AIS with what satellites observe through radar and optical sensors. DarkVesselNet is a multi-modal remote sensing stack that combines Sentinel-1 SAR, Sentinel-2 optical imagery, geospatial foundation model backbones, AIS trajectory reasoning, TGARD-style gap detection, and a Pi-DPM-inspired anomaly head. The repository exposes the system as a tested Python package and a public Hugging Face Space. The paper presents the sensor stack, backbone abstraction, fusion path, anomaly head, and current validation. The evidence currently available is software-grounded: tests for SAR speckle filtering, optical band ratios, Haversine distance, TGARD gap emission, sensor coregistration, backbone token shapes, and differentiable anomaly scoring.
• Abstract（参考訳）: 暗い容器検出には、AISを通じて報告される船舶と、レーダーや光学センサーを通して観測される衛星を融合させる必要がある。 DarkVesselNetは、Sentinel-1 SAR、Sentinel-2光画像、地理空間モデルバックボーン、AIS軌道推論、TGARDスタイルのギャップ検出、Pi-DPMにインスパイアされた異常ヘッドを組み合わせたマルチモーダルリモートセンシングスタックである。 リポジトリは、テスト済みのPythonパッケージと公開のHugging Face Spaceとしてシステムを公開している。 本稿では,センサスタック,バックボーン抽象化,融合経路,異常頭部,電流検証について述べる。 SARスペックルフィルタ、光バンド比、ハバーシン距離、TGARDギャップの放出、センサーのコアリスタレーション、バックボーントークンの形状、および識別可能な異常スコアの試験。

関連論文リスト

• DeeperRadar: End-to-End MIMO Radar Design and Multi-Modal Fusion for Autonomous Vehicle Perception [5.385471397428483]
  DeeperRadarは、自律移動のためのレーダーセンシングと3D検出を共同設計するフレームワークである。 融合モデルを用いて、スパース取得パターンをエンドツーエンドで学習する。 フルアレイのベースラインと一致するか、あるいは超えるような、まばらでタスク対応のレーダー構成を発見する。
  論文  参考訳（メタデータ） (2026-07-19T17:26:34Z)
• ZSG-IAD: A Multimodal Framework for Zero-Shot Grounded Industrial Anomaly Detection [14.275030421757867]
  ZSG-IADはゼロショットの産業異常検出のためのフレームワークである。 構造化された異常レポートとピクセルレベルの異常マスクを生成する。 信頼性の高い産業異常検知システムに関する今後の研究を支援するためのコードとアノテーションをリリースする。
  論文  参考訳（メタデータ） (2026-04-20T08:30:09Z)
• Camo-M3FD: A New Benchmark Dataset for Cross-Spectral Camouflaged Pedestrian Detection [3.289878169836672]
  横断型カモフラージュ歩行者検出のための新しいベンチマークであるCamo-M3FDを紹介する。 データセットは定量的なメトリクスを使用してキュレートされ、フォアグラウンドとバックグラウンドの類似性を保証する。 熱信号は不必要な局所化手段を提供するが, 微細化には多スペクトル核融合が不可欠であることを示す。
  論文  参考訳（メタデータ） (2026-04-17T14:30:19Z)
• Multistream Network for LiDAR and Camera-based 3D Object Detection in Outdoor Scenes [59.78696921486972]
  LiDARとRGBデータの融合により、屋外の3Dオブジェクト検出精度が向上する可能性がある。 両データモダリティからタスク関連情報を的確に抽出するMultiStream Detection (MuStD) ネットワークを提案する。
  論文  参考訳（メタデータ） (2025-07-25T14:20:16Z)
• MambaST: A Plug-and-Play Cross-Spectral Spatial-Temporal Fuser for Efficient Pedestrian Detection [0.5898893619901381]
  本稿では,効率的な歩行者検出のためのプラグ・アンド・プレイ型時空間融合パイプラインであるMambaSTを提案する。 暗黒または低照度条件下でRGBカメラを用いて正確な検出を行うことは困難である。 また,提案モデルにより,小規模歩行者検出の性能も向上する。
  論文  参考訳（メタデータ） (2024-08-02T06:20:48Z)
• FADet: A Multi-sensor 3D Object Detection Network based on Local Featured Attention [2.332328100695052]
  カメラ、LiDAR、レーダーは自律走行タスクのための一般的な知覚センサーである。 これらのセンサーにはそれぞれ独自の特徴があるため、賢くその能力を活用することは依然として課題である。 本研究では,異なるセンサの特性を特に研究するマルチセンサ3D検出ネットワークであるFADetを提案する。
  論文  参考訳（メタデータ） (2024-05-19T21:52:50Z)
• Echoes Beyond Points: Unleashing the Power of Raw Radar Data in Multi-modality Fusion [74.84019379368807]
  本稿では,既存のレーダ信号処理パイプラインをスキップするEchoFusionという新しい手法を提案する。 具体的には、まずBird's Eye View (BEV)クエリを生成し、次にレーダーから他のセンサーとフューズに対応するスペクトル特徴を取ります。
  論文  参考訳（メタデータ） (2023-07-31T09:53:50Z)
• Multi-Modal 3D Object Detection by Box Matching [109.43430123791684]
  マルチモーダル3次元検出のためのボックスマッチング(FBMNet)による新しいフュージョンネットワークを提案する。 3Dオブジェクトと2Dオブジェクトの提案を学習することで、ROI特徴を組み合わせることで、検出のための融合を効果的に行うことができる。
  論文  参考訳（メタデータ） (2023-05-12T18:08:51Z)
• NVRadarNet: Real-Time Radar Obstacle and Free Space Detection for Autonomous Driving [57.03126447713602]
  本稿では,自動車のRADARセンサを用いて動的障害物や乾燥可能な自由空間を検出するディープニューラルネットワーク(DNN)を提案する。 ネットワークは組み込みGPU上でリアルタイムよりも高速に動作し、地理的領域にわたって優れた一般化を示す。
  論文  参考訳（メタデータ） (2022-09-29T01:30:34Z)
• Infrared Small-Dim Target Detection with Transformer under Complex Backgrounds [155.388487263872]
  変換器を用いた赤外線小径目標検出手法を提案する。 画像特徴の相互作用情報をより広い範囲で学習するために,変換器の自己認識機構を採用する。 最小限のターゲットの機能を学習するための機能拡張モジュールも設計しています。
  論文  参考訳（メタデータ） (2021-09-29T12:23:41Z)
• Deep Learning-based Human Detection for UAVs with Optical and Infrared Cameras: System and Experiments [35.342730238802886]
  本稿では,光学(RGB)と長波赤外線(LWIR)カメラを用いた深層学習に基づく人体検知システムを提案する。 それぞれのスペクトルにおいて、ResNetバックボーンを備えたカスタマイズされたRetinaNetネットワークは、人間の検出を提供する。 境界ボックスアンカーを最適化し,画像解像度を向上することにより,高高度からの欠落検出数を20%以上削減できることを示す。
  論文  参考訳（メタデータ） (2020-08-10T15:30:42Z)
• End-to-End Pseudo-LiDAR for Image-Based 3D Object Detection [62.34374949726333]
  擬似LiDAR(PL)は、LiDARセンサに基づく手法と安価なステレオカメラに基づく手法の精度ギャップを劇的に減らした。 PLは最先端のディープニューラルネットワークと2D深度マップ出力を3Dポイントクラウド入力に変換することで3Dオブジェクト検出のための3D深度推定を組み合わせている。 我々は、PLパイプライン全体をエンドツーエンドにトレーニングできるように、差別化可能なRepresentation (CoR)モジュールに基づく新しいフレームワークを導入します。
  論文  参考訳（メタデータ） (2020-04-07T02:18:38Z)

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。