Fugu-MT 論文翻訳(概要): Rethinking Conditional Generation for Underwater Salient Object Detection

論文の概要: Rethinking Conditional Generation for Underwater Salient Object Detection

arxiv url: http://arxiv.org/abs/2607.01825v1
Date: Thu, 02 Jul 2026 07:48:06 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-03 19:45:08.723837
Title: Rethinking Conditional Generation for Underwater Salient Object Detection
Title（参考訳）: 水中有価物検出のための条件生成の再考
Abstract要約: コンディショナル・ジェネレーション・ネットワーク(DCGNet)は、水中のサリエンシ生成のための信頼性の高いコンディショナル・特徴を構築するために設計されている。 DCGNetは既存の最先端手法を著しく上回り、複雑な水中視覚応用の可能性を検証している。
参考スコア（独自算出の注目度）: 69.38806804258452
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Salient Object Detection in underwater images remains challenging due to low contrast, uneven illumination, and color distortion caused by scattering and absorption effects, which limit the effectiveness of conventional SOD methods in underwater environments. To address these challenges, we propose a Degradation-aware Conditional Generation Network (DCGNet), specifically designed to construct reliable conditional features for underwater saliency generation. First, we design a Dynamic Multi-Granularity module (DMG) grounded in the human visual system to robustly detect salient objects of varying scales with blurred boundaries. Then, we develop an Underwater Physics-Prior module (UPP), which utilizes pseudo-depth guidance to estimate underwater light attenuation and backscatter, thereby restoring degradation-aware RGB features and mitigating color distortion and boundary ambiguity. Based on the physics-guided representation, we introduce an Underwater Spatial Gaussian module (USG), which constructs a spatial Gaussian saliency prior from the strongest guided response to enhance object-centered salient regions and suppress cluttered underwater backgrounds. In addition, a lightweight timestep-adaptive Diffusion Transformer (DiT) bottleneck is inserted into the denoising decoder to refine fused features at different diffusion timesteps. Comprehensive experiments on USOD10K, USOD, CSOD10K, MAS3K, and RMAS demonstrate that DCGNet significantly outperforms existing state-of-the-art methods, verifying its potential for complex underwater visual applications.
Abstract（参考訳）: 低コントラスト、照度不均一、散乱や吸収効果による色歪みのため、水中画像の局所物体検出は依然として困難であり、従来のSOD法の有効性を制限している。これらの課題に対処するために,水中の塩分濃度生成のための信頼性の高い条件特徴を構築するための,劣化対応条件生成ネットワーク (DCGNet) を提案する。まず,人間の視覚系を基盤とした動的多粒度モジュール(DMG)を設計し,境界線がぼやけている様々なスケールの健全な物体を頑健に検出する。そこで, 水中光減衰と後方散乱を擬似奥行き誘導により推定し, 劣化を考慮したRGB特性を復元し, 色歪みと境界曖昧さを緩和する水中物理探査モジュール (UPP) を開発した。物理誘導表現に基づく水中空間ガウスモジュール (USG) を導入し, 最強誘導応答から空間ガウス塩分濃度を推定し, 物体中心の塩分領域を強化し, 散在する水中背景を抑える。さらに、デノナイズデコーダに軽量な時間ステップ適応拡散変換器(DiT)ボトルネックを挿入し、異なる拡散時間ステップで融合した特徴を洗練させる。 USOD10K、USOD、CSOD10K、MAS3K、RMASに関する総合的な実験では、DCGNetが既存の最先端の手法を大幅に上回っており、複雑な水中視覚応用の可能性を検証している。

関連論文リスト

Ocean4D: Generative Underwater 4D Reconstruction via Medium-Aware Video Diffusion [53.39217286144327]
そこで我々は,Ocean4Dという水中4D再構成のための生成フレームワークを提案する。 4D-GCCは、クロスフレームカバレッジを改善した4Dの幾何的整合条件を構築する。中知ブロックは、潜水拡散過程において暗黙の中知デノイングを行い、水中の外観を安定させる。
論文参考訳（メタデータ） (2026-06-22T13:10:26Z)
High-Resolution Underwater Camouflaged Object Detection: GBU-UCOD Dataset and Topology-Aware and Frequency-Decoupled Networks [32.76569239634241]
本稿では,位相認識モデルと周波数分離認識を統合した新しいフレームワークを提案する。 DeepTopo-Netは、特に複雑な水中パターンの形態的整合性を維持する上で、最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2026-02-03T14:41:27Z)
WaterClear-GS: Optical-Aware Gaussian Splatting for Underwater Reconstruction and Restoration [11.520966034974697]
水中光学特性をガウス原始体に統合する初の純3DGSベースのフレームワークであるWaterClear-GSを紹介する。本手法では,水中での光度整合性を確保しつつ,自然に無水外観を回復させるために,二重ブランチ最適化手法を用いる。標準ベンチマークと新たに収集したデータセットを用いて,新しいビュー合成(NVS)と水中画像復元の両タスクにおいて,WaterClear-GSが優れた性能を発揮することを示す。
論文参考訳（メタデータ） (2026-01-27T16:14:34Z)
WaterFlow: Explicit Physics-Prior Rectified Flow for Underwater Saliency Mask Generation [47.83249844545859]
本研究では,水中の有人物体検出のための修正フローベースフレームワークであるWaterFlowを提案する。 WaterFlowは、水中の物理画像情報をネットワークトレーニングプロセスに直接明示的な事前情報として組み込む。 UOD10Kデータセットにおいて、WaterFlowはS_mの0.072のゲインを達成し、本手法の有効性と優位性を実証した。
論文参考訳（メタデータ） (2025-10-14T15:02:24Z)
APGNet: Adaptive Prior-Guided for Underwater Camouflaged Object Detection [22.097955383220143]
本研究では,水中環境下でカモフラージュされた物体を検出するために,APGNet(Adaptive Prior-Guided Network)を提案する。 APGNetは、ロバスト性と検出精度を高めるために、シームズアーキテクチャと新しい事前誘導機構を統合する。提案手法は,広く用いられている評価基準の下で,15の最先端手法より優れていた。
論文参考訳（メタデータ） (2025-10-14T01:51:44Z)
3D-UIR: 3D Gaussian for Underwater 3D Scene Reconstruction via Physics Based Appearance-Medium Decoupling [30.985414238960466]
3D Gaussian Splatting (3DGS)はリアルタイムレンダリング機能を提供するが、水中の不均一な環境に苦しむ。水媒体効果から物体の外観を遠ざける物理ベースの枠組みを提案する。提案手法は,高品質な新規ビュー合成と物理的に正確なシーン復元を実現する。
論文参考訳（メタデータ） (2025-05-27T14:19:30Z)
RUSplatting: Robust 3D Gaussian Splatting for Sparse-View Underwater Scene Reconstruction [9.070464075411472]
本稿では,水中深部レンダリングの視覚的品質と精度を両立させる,ガウススプラッティングに基づくフレームワークを提案する。水中減衰の物理によって導かれるRGBチャネルの分離学習を提案し,より正確な色復元を実現する。新たに収集されたデータセットであるSubmerged3Dは、特に深海環境においてキャプチャされる。
論文参考訳（メタデータ） (2025-05-21T16:42:15Z)
WaterHE-NeRF: Water-ray Tracing Neural Radiance Fields for Underwater Scene Reconstruction [6.036702530679703]
本研究では,3次元空間における色,密度,照度減衰を正確にエンコードするRetinex理論による新しい水線トレーシング場を開発する。 WaterHE-NeRFは、その発光減衰機構を通じて、劣化画像と鮮明な多視点画像の両方を生成する。
論文参考訳（メタデータ） (2023-12-12T02:55:14Z)
Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文参考訳（メタデータ） (2023-08-24T12:32:46Z)
PUGAN: Physical Model-Guided Underwater Image Enhancement Using GAN with Dual-Discriminators [120.06891448820447]
鮮明で視覚的に快適な画像を得る方法は、人々の共通の関心事となっている。水中画像強調(UIE)の課題も、時間とともに現れた。本稿では,UIE のための物理モデル誘導型 GAN モデルを提案する。我々のPUGANは質的および定量的な測定値において最先端の手法より優れています。
論文参考訳（メタデータ） (2023-06-15T07:41:12Z)
Unpaired Overwater Image Defogging Using Prior Map Guided CycleGAN [60.257791714663725]
オーバーウォーターシーンで画像をデフォグするための先行マップガイドサイクロン (PG-CycleGAN) を提案する。提案手法は,最先端の教師付き,半教師付き,非教師付きデグジングアプローチより優れている。
論文参考訳（メタデータ） (2022-12-23T03:00:28Z)

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。