論文の概要: Liquid Fusion of Heterogeneous Representations Towards General Salient Object Detection
- arxiv url: http://arxiv.org/abs/2606.26849v1
- Date: Thu, 25 Jun 2026 10:35:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.235487
- Title: Liquid Fusion of Heterogeneous Representations Towards General Salient Object Detection
- Title（参考訳）: 汎用物体検出に向けた不均一表現の液体融合
- Abstract要約: General Salient Object Detection (SOD) は、視覚的に興味深い物体を一様性や多様性から識別・分離することを目的としている。
液核融合ネットワーク(LFNet)と呼ばれる VMamba と ConvNeXt を含む2つのバックボーンの機能を動的に統合する液体核融合を導入する。
LFNetは最先端のパフォーマンスを実現し、検出精度とモデル効率のトレードオフが優れている。
- 参考スコア（独自算出の注目度）: 17.9670241907852
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: General Salient Object Detection (SOD) aims to identify and segment visually interesting objects from uni-modality or multi-modality scenes, recently advanced by cutting-edge State Space Models (SSMs). However, a critical limitation of current approaches is their neglect of the inherent spectral biases exhibited by different neural network paradigms. By digging to the dataset-level spectral analysis of Convolutional Neural Networks (CNNs) and SSMs, their semantic representations are inherently complementary based on their complementary frequency preferences. Inspired by this, we harmonize heterogeneous representations from SSMs and CNNs to bridge their spectral biases for general salient object detection. To this end, inspired by the dynamic information propagation of Liquid Neural Networks (LNNs), we introduce a liquid fusion to dynamically integrates features from two backbones, including VMamba and ConvNeXt, referred to Liquid Fusion Network (LFNet). Concretely, by treating the continuous VMamba features and ConvNeXt features as evolving states and exogenous stimulus, respectively, LFNet employs a dynamic gating mechanism for content-aware feature aggregation. Crucially, this state-stimulus paradigm enables to scale to multi-modal cues, resulting in flexibility in general SOD. Besides, a Saliency-Guided Upsampling (SGU) operator to propagate the features to the shallow layer, which leverages a spectral-spatial co-design to suppress upsampling artifacts while preserving semantics. Extensive experiments across five diverse tasks (RGB, RGB-D, RGB-T, VSOD, and VDT) demonstrate that LFNet achieves state-of-the-art performance, offering a superior trade-off between detection accuracy and model efficiency. Code has been released at https://github.com/cke520/LFNet.
- Abstract（参考訳）: General Salient Object Detection (SOD) は、近縁のState Space Models (SSM) によって最近進歩した一様または多様のシーンから視覚的に興味深い物体を識別し、分割することを目的としている。
しかし、現在のアプローチの限界は、異なるニューラルネットワークパラダイムによって示される固有のスペクトルバイアスを無視していることである。
畳み込みニューラルネットワーク(CNN)とSSMのデータセットレベルのスペクトル分析を調べることで、それらの意味表現は相補的な周波数優先に基づいて本質的に相補的である。
そこで本研究では,SSMとCNNの異種表現を調和させてスペクトルバイアスを橋渡しし,一般の有意な物体検出を行う。
この目的のために、LNN(Liquid Neural Networks)の動的情報伝達に着想を得て、VMambaやLFNet(Liquid Fusion Network)と呼ばれるConvNeXtを含む2つのバックボーンの機能を動的に統合する液体融合を導入する。
具体的には、連続VMamba機能とConvNeXt機能をそれぞれ進化状態と外因性刺激として扱うことで、LFNetはコンテンツ認識機能アグリゲーションに動的ゲーティングメカニズムを採用している。
重要なことに、この状態刺激パラダイムはマルチモーダルキューへのスケールを可能にし、一般にSODの柔軟性をもたらす。
さらに、Saliency-Guided Upsampling (SGU)オペレータは、機能を浅い層に伝播させる。
RGB、RGB-D、RGB-T、VSOD、VDTの5つのタスクにわたる大規模な実験は、LFNetが最先端のパフォーマンスを実現し、検出精度とモデル効率のトレードオフが優れていることを示した。
コードはhttps://github.com/cke520/LFNet.comでリリースされた。
関連論文リスト
- MSP-Net: Manifold-Guided Spectral Prompt Network for Hyperspectral Object Tracking [11.03462046191901]
ハイパースペクトルオブジェクトトラッキングは、複雑なシーンにおけるターゲット識別にユニークな利点を提供する。
既存の方法は、高スペクトル画像をRGB画像のマルチチャネル拡張として扱い、固定帯域順序で特徴融合を行う。
マニフォールド誘導分光プロンプトネットワーク(MSP-Net)を提案する。
HOT2020 と HOT2023 の実験では、MSP-Net は AUC と Precision をそれぞれ 0.80 と 0.96 を超える精度で達成している。
論文 参考訳（メタデータ） (2026-08-10T13:09:25Z) - LESSViT: Robust Hyperspectral Representation Learning under Spectral Configuration Shift [29.791943499456426]
低ランク空間スペクトル ViT (LESSViT) は、クロススペクトル一般化のためのセンサフレキシブルアーキテクチャである。
空間スペクトルマスキングと階層チャネルサンプリングを分離したハイパースペクトルマスク付きオートエンコーダ(HyperMAE)を導入する。
論文 参考訳（メタデータ） (2026-05-18T15:22:26Z) - Spectral Dynamic Attention Network for Hyperspectral Image Super-Resolution [45.72534786125302]
Spectral Dynamic Attention Network (SDANet)は、冗長なスペクトル相互作用を適応的に抑制するフレームワークである。
競争効率を維持しつつ、最先端のHISR性能を達成する。
論文 参考訳（メタデータ） (2026-04-30T02:13:33Z) - A Synergistic CNN-Transformer Network with Pooling Attention Fusion for Hyperspectral Image Classification [10.687430702802608]
ハイパースペクトル画像(HSI)分類では、各画素は特定の土地被覆カテゴリまたは材料に分類される。
近年,マルチスケール・ビジョン・トランスフォーマー (ViT) を応用し,スペクトル特性の捕捉と有望な結果の獲得に役立てている。
本稿では,HSI分類のためのプール型アテンションフュージョンを用いたシナジスティックCNN-Transformerネットワークを提案する。
論文 参考訳（メタデータ） (2026-04-26T09:30:27Z) - GCRPNet: Graph-Enhanced Contextual and Regional Perception Network for Salient Object Detection in Optical Remote Sensing Images [68.33481681452675]
本稿では,GCRPNet(Graph-enhanced contextual and Regional Recognition Network)を提案する。
これはMambaアーキテクチャの上に構築され、長距離依存関係を同時にキャプチャし、地域的特徴表現を強化する。
マルチスケールの畳み込みによって処理される特徴マップに対して適応的なパッチスキャンを行い、リッチなローカル領域情報をキャプチャする。
論文 参考訳（メタデータ） (2025-08-14T11:31:43Z) - Spatial-Geometry Enhanced 3D Dynamic Snake Convolutional Neural Network for Hyperspectral Image Classification [12.168520751389622]
ディープニューラルネットワークは、ハイパースペクトル画像分類においていくつかの課題に直面している。
これには、複雑でスパースな地上オブジェクト分布、小さなクラスタ構造、細長いマルチブランチ機能が含まれる。
本稿では,改良された3次元DenseNetモデルに基づく空間幾何学拡張3次元ダイナミックスネークネットワーク(SG-DSCNet)を提案する。
論文 参考訳（メタデータ） (2025-04-06T12:21:39Z) - Efficient High-Resolution Visual Representation Learning with State Space Model for Human Pose Estimation [60.80423207808076]
高解像度の視覚表現を維持しながら長距離依存関係をキャプチャすることは、人間のポーズ推定のような密集した予測タスクに不可欠である。
マルチスケールの畳み込み操作で視覚状態空間モデルを拡張する動的ビジュアル状態空間(DVSS)ブロックを提案する。
HRVMambaは効率的な高分解能表現学習のための新しいモデルである。
論文 参考訳（メタデータ） (2024-10-04T06:19:29Z) - Approaching Deep Learning through the Spectral Dynamics of Weights [41.948042468042374]
重みのスペクトル力学 -- 最適化中の特異値とベクトルの振る舞い -- は、ディープラーニングにおけるいくつかの現象を明確にし、統一する。
ConvNetによる画像分類,UNetsによる画像生成,LSTMによる音声認識,Transformersによる言語モデリングなど,さまざまな実験における最適化における一貫したバイアスを同定する。
論文 参考訳（メタデータ） (2024-08-21T17:48:01Z) - Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。
ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。
主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
論文 参考訳（メタデータ） (2024-03-15T07:18:43Z) - Salient Object Detection in Optical Remote Sensing Images Driven by
Transformer [69.22039680783124]
光リモートセンシング画像(ORSI-SOD)のためのGlobal extract Local Exploration Network(GeleNet)を提案する。
具体的には、GeleNetはまずトランスフォーマーバックボーンを採用し、グローバルな長距離依存関係を持つ4レベルの機能埋め込みを生成する。
3つの公開データセットに関する大規模な実験は、提案されたGeleNetが関連する最先端メソッドより優れていることを示している。
論文 参考訳（メタデータ） (2023-09-15T07:14:43Z) - RRNet: Relational Reasoning Network with Parallel Multi-scale Attention
for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。
光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。
提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
論文 参考訳（メタデータ） (2021-10-27T07:18:32Z) - Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral
Super-Resolution [79.97180849505294]
本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。
3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
論文 参考訳（メタデータ） (2020-07-10T08:08:20Z)
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。