論文の概要: GABI: Geometry-Aware Boundary Integration for Spacecraft Segmentation

• arxiv url: http://arxiv.org/abs/2606.00886v1
• Date: Sat, 30 May 2026 20:44:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.95745
• Title: GABI: Geometry-Aware Boundary Integration for Spacecraft Segmentation
• Title（参考訳）: GABI:宇宙機セグメンテーションのための幾何学的境界統合
• Authors: Iason Georgios Velentzas, Dhruv Ahuja, Panagiotis Tsiotras,
• Abstract要約: 本稿では,畳み込みバックボーンを補助的な距離場予測ヘッドで拡張する,軽量な境界対応マルチタスクセグメンテーションアーキテクチャを提案する。 距離場は、物体の境界に関する密集した幾何学的監督を提供し、ネットワークが宇宙船構造の空間的に一貫した表現を学ぶことを奨励する。 クロスドメイン評価では、軽量GABIは、より重いトランスモデルのF1スコアとIoUの5%以下で動作し、約10倍小さい。
• 参考スコア（独自算出の注目度）: 11.804887759900787
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate segmentation is crucial for autonomous spacecraft, as it directly affects downstream tasks related to 3D situational awareness. The harsh illumination conditions of space, however, produce images with high variability in appearance, hindering the generalization of segmentation approaches across different spacecraft and environments. In this work, we propose GABI, a lightweight boundary-aware multi-task segmentation architecture that augments a convolutional backbone with an auxiliary distance-field prediction head. The distance field provides dense geometric supervision around object boundaries, encouraging the network to learn spatially consistent representations of spacecraft structures while maintaining low model complexity suitable for onboard perception systems. We evaluated GABI against both an established convolutional baseline and a heavier transformer-based architecture. On the SPARK benchmark, distance-field supervision improves the baseline by up to $5\%$ in Average Precision while achieving performance comparable to the transformer models. In generalization experiments, GABI improves Average Precision by more than $50\%$ over the baseline. In cross-domain evaluation, the lightweight GABI variant performs within $5\%$ in IoU and F1-score of the heavier transformer model while being approximately ten times smaller. At the same time, the heavier GABI variant surpasses the transformer architectures while remaining nearly three times lighter.
• Abstract（参考訳）: 正確なセグメンテーションは、自律宇宙船にとって重要である。 しかし、空間の厳しい照明条件は、外観の多様性の高い画像を生み出し、異なる宇宙船や環境のセグメンテーションアプローチの一般化を妨げる。 本研究では,距離場予測ヘッドを用いた畳み込みバックボーンを増強する,軽量な境界対応マルチタスクセグメンテーションアーキテクチャであるGABIを提案する。 距離場は、物体の境界付近の密集した幾何学的監督を提供し、ネットワークは、搭載された知覚システムに適した低モデル複雑さを維持しながら、空間的に一貫した宇宙船構造の表現を学習することを奨励する。 我々はGABIを、確立された畳み込みベースラインと、より重いトランスフォーマーベースアーキテクチャの両方に対して評価した。 SPARKベンチマークでは、トランスフォーマーモデルに匹敵する性能を達成しつつ、平均精度で最大5\%の基準値を改善する。 一般化実験では、GABIはベースライン上で平均精度を50\%以上改善する。 クロスドメイン評価では、軽量GABIは、より重いトランスモデルのF1スコアを約10倍小さくして、IoUおよびF1スコアで$5\%以下で実行する。 同時に、重いGABIはトランスフォーマーアーキテクチャを3倍軽くなる一方で、トランスフォーマーアーキテクチャを超越している。

関連論文リスト

• Efficient Hybrid CNN-GNN Architecture for Monocular Depth Estimation [0.0]
  畳み込みエンコーダ・デコーダフレームワークにグラフニューラルネットワーク(GNN)を統合する単眼深度推定アーキテクチャであるGraphDepthを提案する。 我々のアプローチは、効率的なGraphSAGEレイヤをResNet-101 U-Netバックボーンの複数スケールに埋め込む。 NYU Depth V2、WHU Aerial、ETH3D、Mid-Airベンチマークの実験では、最先端のトランスフォーマーの4.6%で競合精度が示されている。
  論文  参考訳（メタデータ） (2026-05-11T09:21:04Z)
• Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
  無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。 本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。 提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
  論文  参考訳（メタデータ） (2026-04-02T08:08:41Z)
• Rethinking Vision Transformer Depth via Structural Reparameterization [16.12815682992294]
  本稿では,訓練期間中に機能する分岐型構造パラメータ化手法を提案する。 提案手法では, 変圧器ブロック内の並列分岐を利用して, 合理化シングルパスモデルに体系的に統合する。 ViT-Tinyに適用した場合、このフレームワークは、ImageNet-1Kの分類精度を維持しながら、元の12層アーキテクチャを6層、4層、もしくは3層に改善する。
  論文  参考訳（メタデータ） (2025-11-24T21:28:55Z)
• DualGazeNet: A Biologically Inspired Dual-Gaze Query Network for Salient Object Detection [52.32976488996896]
  我々はDualGazeNetを紹介した。DualGazeNetは、純粋なトランスフォーマーフレームワークで、有能なオブジェクト検出を行う。 5つのRGBベンチマークの実験によると、DualGazeNetは25の最先端CNNとTransformerベースのメソッドを一貫して上回っている。
  論文  参考訳（メタデータ） (2025-11-24T08:08:22Z)
• Quantized Visual Geometry Grounded Transformer [67.15451442018258]
  本稿では,VGGTの最初の量子化フレームワーク,すなわちQuantVGGTを提案する。 球状前アダマール回転と局所流路平滑化を統合したDual-Smoothed Fine-Grained Quantizationを導入する。 また、重層統計量を用いて外周をフィルタするノイズフィルタディバースサンプリングを設計する。
  論文  参考訳（メタデータ） (2025-09-25T15:17:11Z)
• An Efficient Aerial Image Detection with Variable Receptive Fields [0.0]
  3つの鍵成分を組み込んだ変圧器型検出器を提案する。 VRF-DETRは51.4%のmAPtextsubscript50と31.8%のmAPtextsubscript50:95を13.5Mパラメータで達成している。
  論文  参考訳（メタデータ） (2025-04-21T15:16:13Z)
• ChromaFormer: A Scalable and Accurate Transformer Architecture for Land Cover Classification [11.348747673057405]
  モデルパラメータの桁違いの差を評価できる多スペクトル変圧器モデル群を提案する。 UNetなど,従来のアーキテクチャよりも桁違いに大きいモデルでは,精度が大幅に向上することを示す。
  論文  参考訳（メタデータ） (2025-03-11T15:24:50Z)
• HorGait: A Hybrid Model for Accurate Gait Recognition in LiDAR Point Cloud Planar Projections [8.56443762544299]
  HorGaitは、LiDARからの3Dポイント雲の平面投影における歩行認識のためのTransformerアーキテクチャを備えたハイブリッドモデルである。 SUSTech1Kデータセット上のTransformerアーキテクチャメソッド間の最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-10-11T02:12:41Z)
• Boosting Cross-Domain Point Classification via Distilling Relational Priors from 2D Transformers [59.0181939916084]
  従来の3Dネットワークは主に局所幾何学的詳細に焦点を当て、局所幾何学間の位相構造を無視する。 そこで本稿では,大規模画像上においてよく訓練されたトランスフォーマーから前駆体を抽出する,新しい先駆体蒸留法を提案する。 PointDA-10とSim-to-Realデータセットの実験は、提案手法が点クラウド分類におけるUDAの最先端性能を一貫して達成していることを検証する。
  論文  参考訳（メタデータ） (2024-07-26T06:29:09Z)

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。