論文の概要: RPCASSM: Robust PCA State Space Model For Infrared Small Target Detection

• arxiv url: http://arxiv.org/abs/2606.01689v1
• Date: Mon, 01 Jun 2026 04:55:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:31.374072
• Title: RPCASSM: Robust PCA State Space Model For Infrared Small Target Detection
• Title（参考訳）: RPCASSM: 赤外線小ターゲット検出のためのロバストPCA状態空間モデル
• Authors: Pingping Liu, Aohua Li, Yubing Lu, Jin Kuang, Tongshun Zhang, Qiuzhan Zhou,
• Abstract要約: 本稿では、ロバストな主成分分析(RPCA)のモデルパラダイムに基づくRPCASSMネットワークを提案する。 BSSMは、背景情報をモデル化するための空間プローブ走査機構(SPCM)を設計するために、空間異質信号の正当性を利用することを目的としている。 TSSMは、状態空間モデリングのためのターゲットの変形可能な空間に焦点を合わせるために、ターゲットの空間と局所ハイライトを用いて、変形可能なプロンプトスキャン機構(DPCM)を設計する。
• 参考スコア（独自算出の注目度）: 6.6042595434222
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The detection and segmentation of infrared small targets have important application significance in the fields of surveillance and security, maritime rescue and so on. Due to the low occupancy of these targets in long-distance imaging, the mainstream visual state space model is inefficient and difficult to accurately model the target edge. The existing infrared state space models do not deviate from the mainstream visual state space structure framework from the structural properties of infrared small targets. In order to solve this problem, this paper proposes the RPCASSM network based on the model paradigm of robust principal component analysis(RPCA), which aims to design the background state space module(BSSM) and the target state space module(TSSM) by the nature of the infrared small target in the spatial domain. The BSSM aims to use the saliency of spatial heterogeneous signals to design a spatial probe scanning mechanism(SPCM) to model background information. The TSSM designs a deformable prompt scanning mechanism(DPCM) by using the sparsity and local highlight of the target to focus on the deformable space of the target for state space modeling. According to the above design, we effectively solve the problem that the existing mainstream vision state space model is difficult to accurately model the edge structure of infrared small target. Experimental results on the existing benchmark data sets prove the effectiveness of the RPCASSM design. Our code will be made public at \href{https://github.com/PepperCS/RPCASSM}{RPCASSM}.
• Abstract（参考訳）: 赤外線小目標の検出とセグメンテーションは、監視や安全保障、海難救助などにおいて重要な応用分野である。 長距離画像におけるこれらのターゲットの占める割合が低いため、主流の視覚状態空間モデルは非効率であり、ターゲットエッジを正確にモデル化することは困難である。 既存の赤外線状態空間モデルは、主流の視覚状態空間構造フレームワークから、赤外線小ターゲットの構造的特性を逸脱しない。 そこで本研究では,背景状態空間モジュール(BSSM)と対象状態空間モジュール(TSSM)を,空間領域における赤外小ターゲットの性質により設計することを目的とした,ロバストな主成分分析(RPCA)モデルパラダイムに基づくRPCASSMネットワークを提案する。 BSSMは、背景情報をモデル化するための空間プローブ走査機構(SPCM)を設計するために、空間異質信号の正当性を利用することを目的としている。 TSSMは、状態空間モデリングのためのターゲットの変形可能な空間に焦点を合わせるために、ターゲットの空間と局所ハイライトを用いて、変形可能なプロンプトスキャン機構(DPCM)を設計する。 以上の設計により、既存の主流視状態空間モデルでは、赤外小ターゲットのエッジ構造を正確にモデル化することが難しいという問題を効果的に解決する。 既存のベンチマークデータセットの実験結果から,RPCASSMの設計の有効性が証明された。 私たちのコードは \href{https://github.com/PepperCS/RPCASSM}{RPCASSM} で公開されます。

関連論文リスト

• RSONet: Region-guided Selective Optimization Network for RGB-T Salient Object Detection [76.1829298714382]
  本稿では,RGB画像と熱画像の相違点に着目した。 RGB-T有向物体検出のための領域誘導選択最適化ネットワークを提案する。 我々は,RGB-Tデータセットに関する広範な実験を行い,提案したRSONetが27種類の最先端SOD手法と競合する性能を発揮することを示した。
  論文  参考訳（メタデータ） (2026-03-13T06:01:17Z)
• RPCANet++: Deep Interpretable Robust PCA for Sparse Object Segmentation [51.37553739930992]
  RPCANet++は、RPCAの解釈可能性と効率的なディープアーキテクチャを融合したスパースオブジェクトセグメンテーションフレームワークである。 我々のアプローチは、緩やかなRPCAモデルを背景近似モジュール(BAM)、対象抽出モジュール(OEM)、画像復元モジュール(IRM)からなる構造化ネットワークに展開する。 さまざまなデータセットの実験では、RPCANet++がさまざまなイメージングシナリオの下で最先端のパフォーマンスを達成することが示されている。
  論文  参考訳（メタデータ） (2025-08-06T08:19:37Z)
• SWAN: Synergistic Wavelet-Attention Network for Infrared Small Target Detection [8.098063209250684]
  赤外線小目標検出(IRSTD)は、民間および軍事用途において重要である。 近年の手法は局所的な空間パターンを主に捉えた従来の畳み込み処理に重点を置いている。 空間領域と周波数領域の両方からターゲットを知覚する新しいフレームワークであるSynergistic Wavelet-Attention Network (SWAN)を提案する。
  論文  参考訳（メタデータ） (2025-08-02T11:26:58Z)
• DISTA-Net: Dynamic Closely-Spaced Infrared Small Target Unmixing [55.366556355538954]
  本稿では,動的フレームワーク内で従来のスパース再構築を再現する動的反復収縮閾値ネットワーク(DISTA-Net)を提案する。 DISTA-Netは、密接な空間を持つ赤外線小ターゲットのアンミックスのために特別に設計された最初のディープラーニングモデルである。 私たちはこの分野におけるさらなる研究を促進するために、最初のオープンソースエコシステムを確立しました。
  論文  参考訳（メタデータ） (2025-05-25T13:52:00Z)
• IRSAM: Advancing Segment Anything Model for Infrared Small Target Detection [55.554484379021524]
  Infrared Small Target Detection (IRSTD) タスクは、自然画像と赤外線画像の間に顕著な領域ギャップがあるため、満足度の高い性能を達成するには不十分である。 IRSTDのためのIRSAMモデルを提案する。これはSAMのエンコーダデコーダアーキテクチャを改善し、赤外線小物体の特徴表現をより良く学習する。
  論文  参考訳（メタデータ） (2024-07-10T10:17:57Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• Local Motion and Contrast Priors Driven Deep Network for Infrared Small Target Super-Resolution [24.131639832686083]
  赤外線小目標超解像(SR)は、高コントラスト目標の信頼性と高解像度像を低解像度画像から回収することを目的としている。 Infrared small target SR method called local motion and contrast prior network (MoCoPnet)を提案する。 MoCoPnetは、赤外線小ターゲットのドメイン知識を深層ネットワークに統合し、小さな赤外線小ターゲットの特徴不足を軽減する。
  論文  参考訳（メタデータ） (2022-01-04T07:20:46Z)
• 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)

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。