Fugu-MT 論文翻訳(概要): T-CLIP: Enabling Thermal Perception for Contrastive Language-Image Pretraining

論文の概要: T-CLIP: Enabling Thermal Perception for Contrastive Language-Image Pretraining

arxiv url: http://arxiv.org/abs/2606.00673v1
Date: Sat, 30 May 2026 11:03:58 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-02 21:34:28.587007
Title: T-CLIP: Enabling Thermal Perception for Contrastive Language-Image Pretraining
Title（参考訳）: T-CLIP:コントラスト言語画像事前学習のための熱知覚の実現
Abstract要約: 熱画像は、低照度や悪天候といった困難な条件下で、可視光の視覚に強力な代替手段を提供する。しかし、CLIPのような基本的な視覚言語モデルは、基本的な熱知覚ギャップのため、熱画像とテキスト記述との整合に失敗する。本稿では,最初の物理対応型サーマルキャプティングパイプラインとデータセットであるIR-Capと,CLIPをシーンレベルおよびオブジェクトレベルのサーマル理解に独立に適応する分離二重LoRAフレームワークであるT-CLIPを紹介する。
参考スコア（独自算出の注目度）: 10.818599367617919
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Thermal imaging offers a powerful alternative to visible-spectrum vision under challenging conditions such as low illumination and adverse weather, yet foundational vision-language models like CLIP fail to align thermal images with textual descriptions due to a fundamental thermal perception gap. We identify three major challenges: the lack of captioned thermal datasets, the inability of standard LLMs to reason about thermal phenomena, and a key representational challenge in thermal imaging where global scene context and object-level heat signatures conflict when learned together in a single embedding space. To address these, we introduce IR-Cap, the first physics-aware thermal captioning pipeline and dataset providing complementary global and fine-grained thermal descriptions across three public benchmarks, and T-CLIP, a decoupled dual-LoRA framework that independently adapts CLIP for scene-level and object-level thermal understanding. T-CLIP achieves consistent improvements over all baselines across three thermal benchmarks in cross-modal retrieval, and we provide an exploratory demonstration of its applicability to text-conditioned thermal image generation.
Abstract（参考訳）: 熱画像は、低照度や悪天候などの困難な条件下での可視光視の強力な代替手段を提供するが、CLIPのような基本的な視覚言語モデルは、基本的な熱知覚ギャップのために、熱画像とテキスト記述の整合に失敗する。熱的データセットのキャプションの欠如、熱現象を推論する標準LLMの欠如、グローバルなシーンコンテキストとオブジェクトレベルの熱シグネチャが1つの埋め込み空間で一緒に学習する際に相反する熱画像における重要な表現課題の3つを識別する。これらの問題に対処するために、最初の物理対応熱キャプションパイプラインとデータセットであるIR-Capと、シーンレベルの熱理解とオブジェクトレベルの熱理解にCLIPを独立に適応する分離されたデュアルLoRAフレームワークであるT-CLIPを紹介する。 T-CLIPは, クロスモーダル検索における3つのサーマルベンチマークにおけるベースライン全体の一貫した改善を実現し, テキスト条件のサーマルイメージ生成への適用性を探索的に実証する。

関連論文リスト

PL-LIT: A LiDAR-Inertial-Thermal SLAM Using Point-Line Features and Thermographic Mapping [39.002163918691465]
熱画像は、強い照明、低照度操作、霧などの悪条件に耐性がある。ほとんどの熱カメラは自動利得制御(AGC)を採用しており、熱画像は情報的エッジ構造を含むにもかかわらず、しばしば地球規模のコントラストが低い。可視光カメラとサーマルカメラの両方に対応可能なLiDAR-Inertial-Thermal SLAMシステムを提案する。
論文参考訳（メタデータ） (2026-06-28T08:13:43Z)
Thermal-Det: Language-Guided Cross-Modal Distillation for Open-Vocabulary Thermal Object Detection [41.947503656624285]
既存のオープンボキャブラリ検出器はRGB画像に焦点を合わせ、熱画像への一般化に失敗した。熱画像用に調整された第1大言語モデル (LLM) のオープン語彙検出装置であるサーマルデットについて述べる。
論文参考訳（メタデータ） (2026-05-11T07:41:37Z)
ThermEval: A Structured Benchmark for Evaluation of Vision-Language Models on Thermal Imagery [11.547362584832769]
ヴィジュアル言語モデル(VLM)はRGB画像において高い性能を達成するが、熱画像には一般化しない。サーマルセンシングは、夜間監視、捜索救助、自律運転、医療スクリーニングなど、可視光が失敗する状況において重要な役割を果たす。本稿ではサーマルビジョン言語理解に必要な基礎的プリミティブを評価するベンチマークであるThermEval-Bを紹介する。
論文参考訳（メタデータ） (2026-02-16T18:16:19Z)
Learning to Reconstruct Temperature Field from Sparse Observations with Implicit Physics Priors [22.013633764284936]
温度場における測定の高コスト化と相当な分布変化は、再構成モデルの開発に挑戦する。暗黙的な物理誘導型温度場再構成フレームワークであるIPTRを提案する。我々はIPTRが既存の手法を一貫して上回り、最先端の再構築精度と強力な一般化能力を実現していることを示す。
論文参考訳（メタデータ） (2025-12-01T02:22:30Z)
Light of Normals: Unified Feature Representation for Universal Photometric Stereo [69.95514862547174]
現在のエンコーダは、照明と通常の情報が切り離されていることを保証できない。 i) 点、方向、環境光を集約する光アライメント監督機能を備えた光レジスタトークン。また,PS-Verseも導入した。PS-Verseは,幾何学的複雑性と照明の多様性を指標とした大規模合成データセットである。
論文参考訳（メタデータ） (2025-06-23T17:53:11Z)
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)
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)
Thermal to Visible Image Synthesis under Atmospheric Turbulence [67.99407460140263]
バイオメトリックスや監視では、低照度と夜間の条件下での撮像に熱画像モダリティがしばしば用いられる。このような画像システムは、しばしば大気の乱れに悩まされ、撮像された画像に激しいぼやけや変形のアーチファクトをもたらす。熱画像を直接可視光画像に変換するエンド・ツー・エンドの再構成法を提案する。
論文参考訳（メタデータ） (2022-04-06T19:47:41Z)
A Synthesis-Based Approach for Thermal-to-Visible Face Verification [105.63410428506536]
本稿では,ARL-VTFおよびTUFTSマルチスペクトル顔データセット上での最先端性能を実現するアルゴリズムを提案する。 MILAB-VTF(B)も提案する。
論文参考訳（メタデータ） (2021-08-21T17:59:56Z)
A Large-Scale, Time-Synchronized Visible and Thermal Face Dataset [62.193924313292875]
DEVCOM Army Research Laboratory Visible-Thermal Faceデータセット(ARL-VTF)を発表します。 395人の被験者から50万枚以上の画像が得られたARL-VTFデータセットは、これまでで最大の可視画像とサーマルフェイス画像の収集データだ。本論文では,ALL-VTFデータセットを用いたサーマルフェースランドマーク検出とサーマル・トゥ・ヴィジブルフェース検証のベンチマーク結果と分析について述べる。
論文参考訳（メタデータ） (2021-01-07T17:17:12Z)
Exploring Thermal Images for Object Detection in Underexposure Regions for Autonomous Driving [67.69430435482127]
アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いたドメイン適応フレームワークを提案する。
論文参考訳（メタデータ） (2020-06-01T09:59:09Z)

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。