論文の概要: MFEN:Multi-Frequency Expert Network for Visible-Infrared Person Re-ID

• arxiv url: http://arxiv.org/abs/2606.12051v1
• Date: Wed, 10 Jun 2026 13:16:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.466054
• Title: MFEN:Multi-Frequency Expert Network for Visible-Infrared Person Re-ID
• Title（参考訳）: MFEN:可視赤外人物リIDのための多周波エキスパートネットワーク
• Authors: Xulin Li, Yan Lu, Bin Liu, Qinhong Yang, Qi Chu, Tao Gong, Nenghai Yu,
• Abstract要約: 可視的赤外線人物再識別(VI-ReID)は、可視像と赤外線像の相違が大きいため困難である。 本稿では,MFEN(Multi-Frequency Expert Network)とMFEN(Multi-Frequency Expert Network)を提案する。
• 参考スコア（独自算出の注目度）: 54.607429411644716
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visible-infrared person re-identification (VI-ReID) is challenging due to the large modality discrepancy between visible and infrared images. We contend that this discrepancy is largely related to differing lighting conditions, including differences in light wavelength and light source type. Recently, frequency-based VI-ReID approaches have achieved notable success because frequency information can better extract identity-relevant contours and details while excluding irrelevant lighting and color. However, existing methods either do not distinguish different frequency bands or focus on only one band, which is insufficient under diverse lighting conditions. To perform comprehensive frequency domain learning, we propose a Multi-Frequency Expert Network (MFEN) that enables multi-frequency modulation and adaptively combines different bands through a mixture-of-experts design. We further introduce Random Frequency Augmentation (RFA) and Frequency Auxiliary Optimization (FAO) to better train MFEN. The three modules are complementary and jointly capture critical frequency-domain details for robust representation learning. Extensive experiments on three VI-ReID datasets demonstrate the effectiveness of our approach.
• Abstract（参考訳）: 可視的赤外線人物再識別(VI-ReID)は、可視像と赤外線像との大きな相違により困難である。 この違いは、光波長と光源タイプの違いを含む、異なる照明条件に大きく関係している、と我々は主張する。 近年、周波数ベースのVI-ReIDアプローチは、周波数情報により、無関係な照明や色を除いて、識別関連輪郭や詳細を抽出しやすくなっているため、顕著な成功を収めている。 しかし、既存の方法は異なる周波数帯域を区別しないか、1つの周波数帯域のみに焦点を合わせるかのいずれかであり、様々な照明条件下では不十分である。 本稿では,MFEN(Multi-Frequency Expert Network)とMFEN(Multi-Frequency Expert Network)を提案する。 さらに、MFENのトレーニングを改善するために、RFA(Random Frequency Augmentation)とFAO( Frequency Auxiliary Optimization)を導入する。 3つのモジュールは相補的であり、堅牢な表現学習のために重要な周波数領域の詳細を共同でキャプチャする。 3つのVI-ReIDデータセットに対する大規模な実験により、我々のアプローチの有効性が示された。

関連論文リスト

• Frequency Enhancement for Image Demosaicking [40.76899837631637]
  本稿では,RGB画像の分割・復号化を行うデュアルパス周波数拡張ネットワーク(DFENet)を提案する。 1つの経路は、空間領域の細かな精細化を通じて行方不明の情報を生成することに焦点を当て、もう1つは望ましくない周波数を抑えることを目的としている。 これらの設計により、提案されたDFENetは、異なるデータセット上で、他の最先端アルゴリズムよりも優れている。
  論文  参考訳（メタデータ） (2025-03-20T02:37:10Z)
• Wavelet-Assisted Multi-Frequency Attention Network for Pansharpening [15.77836708727337]
  Pansharpeningは、高分解能パンクロマティック(PAN)画像と低分解能マルチスペクトル(LRMS)画像を組み合わせて高分解能マルチスペクトル(HRMS)画像を作成することを目的としている。 周波数領域におけるパンシャルペンは明らかな利点があるが、既存のほとんどの手法は空間領域でのみ動作するか、周波数領域の利点を完全に活用できないかのいずれかである。 本稿では、ウェーブレット変換を利用したMFFA(Multi-Frequency Fusion Attention)を提案する。
  論文  参考訳（メタデータ） (2025-02-07T13:15:49Z)
• FD2-Net: Frequency-Driven Feature Decomposition Network for Infrared-Visible Object Detection [16.80713499383237]
  赤外線可視物体検出(IVOD)は、赤外線と可視画像の相補的な情報を活用する。 既存の手法は相補的な情報の周波数特性を無視することが多い。 本稿では、FD2-Netと呼ばれる新しい周波数駆動型IVOD特徴分解ネットワークについて紹介する。
  論文  参考訳（メタデータ） (2024-12-12T13:19:05Z)
• Frequency Domain Nuances Mining for Visible-Infrared Person Re-identification [75.87443138635432]
  既存の手法は主に、識別周波数情報を無視しながら空間情報を利用する。 本稿では,周波数領域情報を対象とした周波数領域Nuances Mining(FDNM)手法を提案する。 本手法は,SYSU-MM01データセットにおいて,Ran-1精度が5.2%,mAPが5.8%向上する。
  論文  参考訳（メタデータ） (2024-01-04T09:19:54Z)
• Frequency Domain Modality-invariant Feature Learning for Visible-infrared Person Re-Identification [79.9402521412239]
  本稿では、周波数領域から見たモダリティの相違を低減するために、新しい周波数領域モダリティ不変特徴学習フレームワーク(FDMNet)を提案する。 我々のフレームワークでは、インスタンス適応振幅フィルタ(IAF)とPhrase-Preserving Normalization(PPNorm)という、2つの新しいモジュールを導入している。
  論文  参考訳（メタデータ） (2024-01-03T17:11:27Z)
• DEFormer: DCT-driven Enhancement Transformer for Low-light Image and Dark Vision [12.150160523389957]
  暗黒領域における失われた詳細を復元するためのDCT駆動拡張変換器(DEFormer)フレームワークを提案する。 我々のフレームワークはLOLとMIT-Adobe FiveKデータセットにおいて優れた結果を得た。
  論文  参考訳（メタデータ） (2023-09-13T13:24:27Z)
• Flare-Aware Cross-modal Enhancement Network for Multi-spectral Vehicle Re-identification [29.48387524901101]
  厳しい環境下では、RGBとNIRモダリティの非ネイティブな手がかりは、車両のランプや日光からの強いフレアによってしばしば失われる。 フレア崩壊したRGBとNIRの特徴をフレア免疫熱赤外スペクトルから誘導して適応的に復元するフレア・アウェア・クロスモーダル・エンハンスメント・ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-05-23T04:04:24Z)
• Adaptive Frequency Learning in Two-branch Face Forgery Detection [66.91715092251258]
  本稿では、AFDと呼ばれる2分岐検出フレームワークにおいて、周波数情報を適応的に学習する手法を提案する。 我々は、固定周波数変換からネットワークを解放し、データおよびタスク依存の変換層でより良いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-03-27T14:25:52Z)

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。