論文の概要: LCPNet: Latent Consistent Proximal Unfolding Network for Infrared Small Target Detection

• arxiv url: http://arxiv.org/abs/2607.04603v1
• Date: Mon, 06 Jul 2026 02:15:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:30.00611
• Title: LCPNet: Latent Consistent Proximal Unfolding Network for Infrared Small Target Detection
• Title（参考訳）: LCPNet:赤外小ターゲット検出のための非定常近位展開ネットワーク
• Authors: Tianfang Zhang, Fengyi Wu, Lei Li, Chang Liu, Zhenming Peng, Huaping Zhang, Xiangyang Ji,
• Abstract要約: 赤外線小目標検出(IRSTD)は、複雑な赤外背景から長距離小目標を特定することを目的としている。 深層学習法は、識別的画像-マスクマッピングを学習することでIRSTDを改善した。 深層展開法は、モデル駆動イテレーションをニューラルネットワークに埋め込むことによって、この問題に部分的に対処する。 これらの制約に対処するために,Latent Consistent Proximal Unfolding Network (LCPNet)を提案する。
• 参考スコア（独自算出の注目度）: 50.3892176822492
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Infrared small target detection (IRSTD) aims to identify long distance small targets from complex infrared backgrounds, and is a fundamental task in remote sensing. Deep learning methods have improved IRSTD by learning discriminative image-to-mask mappings, but such feed-forward designs often underuse physical decomposition structure between targets and backgrounds. Deep unfolding methods partially address this issue by embedding model-driven iterations into neural networks, yet existing designs still operate mainly in image domain and use updates and memory mechanisms that are not fully coupled with underlying optimization process. To address these limitations, we propose Latent Consistent Proximal unfolding network (LCPNet). First, we verify that low-rank prior remains valid in latent representations and perform unfolding in this space, preserving physical constraint while avoiding repeated compression of intermediate states. Second, we derive a Latent Consistent Proximal (LCP) solver that evolves each latent variable from its previous state rather than reconstructing through an indirect residual, and stabilizes small target updates through task-adaptive normalization and gain control. Third, we introduce Shared Optimization Memory (SOM), a common historical state shared by all decomposition variables to provide coordinated guidance across unfolding stages. Extensive experiments on four public benchmarks demonstrate that LCPNet outperforms state-of-the-art methods while achieving accurate and robust detection with low false alarms and competitive efficiency. Model and code are available at https://github.com/Tianfang-Zhang/LCPNet.
• Abstract（参考訳）: 赤外線小目標検出(IRSTD)は、複雑な赤外背景から長距離小目標を特定することを目的としており、リモートセンシングの基本的な課題である。 深層学習法は、識別的画像-マスクマッピングを学習することでIRSTDを改善したが、そのようなフィードフォワードの設計は、ターゲットと背景の間の物理的分解構造を過小評価することが多い。 モデル駆動のイテレーションをニューラルネットワークに埋め込むことで、深い展開方法がこの問題に部分的に対処するが、既存の設計は画像ドメインを中心に運用されており、基盤となる最適化プロセスと完全には結合していないアップデートとメモリメカニズムを使用している。 これらの制約に対処するため,Latent Consistent Proximal Unfolding Network (LCPNet)を提案する。 まず、遅延表現において低ランク先行が有効であることを検証し、中間状態の繰り返し圧縮を回避しつつ、物理的制約を保ちながら、この空間で展開する。 第2に,タスク適応正規化とゲイン制御により,各潜時変数を間接的残差によって再構成するのではなく,前状態から進化させ,小さな目標更新を安定化させるLCP(Latent Consistent Proximal)ソルバを導出する。 第3に、すべての分解変数が共有する共有最適化メモリ(SOM)を導入し、展開ステージ間で協調的なガイダンスを提供する。 4つの公開ベンチマークでの大規模な実験により、LCPNetは最先端の手法より優れ、偽のアラームが低く、競争効率が低い正確で堅牢な検出を実現している。 モデルとコードはhttps://github.com/Tianfang-Zhang/LCPNet.comで入手できる。

関連論文リスト

• Rethinking IRSTD: Single-Point Supervision Guided Encoder-only Framework is Enough for Infrared Small Target Detection [18.866174322297997]
  赤外線小ターゲット検出(IRSTD)は、小さなターゲットを乱雑な背景から分離することを目的としている。 本稿では,新しい単一点応答スーパービジョン誘導赤外線確率応答法を提案する。
  論文  参考訳（メタデータ） (2026-04-07T03:01:51Z)
• DSCSNet: A Dynamic Sparse Compression Sensing Network for Closely-Spaced Infrared Small Target Unmixing [21.491924966226062]
  Close Small Object Unmixingタスクは、混合スポットから個々のターゲットの番号、サブピクセル位置、放射強度を回復することを目的としている。 既存の手法は、モデル駆動アプローチの厳密なスパーシリティ保証と、データ駆動手法の動的シーン適応性のバランスをとるのに苦労している。 本稿では,動的スパース圧縮センシングネットワーク (DSCSNet) を提案する。
  論文  参考訳（メタデータ） (2026-03-22T12:24:59Z)
• It's Not the Target, It's the Background: Rethinking Infrared Small Target Detection via Deep Patch-Free Low-Rank Representations [5.326302374594885]
  本稿では、LRRNetと呼ばれる新しいエンドツーエンドIRSTDフレームワークを提案する。 乱れシーンの物理的圧縮性に着想を得て,本手法は圧縮・再構成・減算パラダイムを採用する。 複数の公開データセットの実験により、LRRNetは検出精度、堅牢性、計算効率の点で38の最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-12T07:24:45Z)
• Sparse Prior Is Not All You Need: When Differential Directionality Meets Saliency Coherence for Infrared Small Target Detection [15.605122893098981]
  本研究では,Sparse Differential Directionality prior (SDD)フレームワークを提案する。 我々は、ターゲットの異なる方向特性を活用して、それらを背景と区別する。 さらに、サリエンシ・コヒーレンス・ストラテジーにより、目標検出性をさらに強化する。 近似交互最小化法(PAM)アルゴリズムは,提案したモデルを効率的に解く。
  論文  参考訳（メタデータ） (2024-07-22T04:32:43Z)
• Enhancing Infrared Small Target Detection Robustness with Bi-Level Adversarial Framework [61.34862133870934]
  本稿では,異なる汚職の存在下での検出の堅牢性を促進するために,二段階の対向的枠組みを提案する。 我々の手法は広範囲の汚職で21.96%のIOUを著しく改善し、特に一般ベンチマークで4.97%のIOUを推進している。
  論文  参考訳（メタデータ） (2023-09-03T06:35:07Z)
• Iterative Soft Shrinkage Learning for Efficient Image Super-Resolution [91.3781512926942]
  画像超解像(SR)は、CNNからトランスフォーマーアーキテクチャへの広範なニューラルネットワーク設計を目撃している。 本研究は,市販のネットワーク設計を生かし,基礎となる計算オーバーヘッドを低減するため,超高解像度イテレーションにおけるネットワークプルーニングの可能性について検討する。 本研究では, ランダムネットワークのスパース構造を最適化し, 重要でない重みを小さめに微調整することにより, 反復型軟収縮率(ISS-P)法を提案する。
  論文  参考訳（メタデータ） (2023-03-16T21:06:13Z)
• Uncertainty-Aware Deep Calibrated Salient Object Detection [74.58153220370527]
  既存のディープニューラルネットワークに基づくサルエントオブジェクト検出(SOD)手法は主に高いネットワーク精度の追求に重点を置いている。 これらの手法は、信頼不均衡問題として知られるネットワーク精度と予測信頼の間のギャップを見落としている。 我々は,不確実性を考慮した深部SODネットワークを導入し,深部SODネットワークの過信を防止するための2つの戦略を提案する。
  論文  参考訳（メタデータ） (2020-12-10T23:28:36Z)
• Progressively Guided Alternate Refinement Network for RGB-D Salient Object Detection [63.18846475183332]
  我々は,RGB-Dの高次物体検出のための効率的かつコンパクトなディープネットワークを開発することを目指している。 そこで本研究では,改良のための改良ネットワークを提案する。 我々のモデルは、既存の最先端のアプローチよりも大きなマージンで優れています。
  論文  参考訳（メタデータ） (2020-08-17T02:55:06Z)

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。