論文の概要: Fully Rotation-Equivariant Spectral-Spatial Learning for Multispectral Object Detection

• arxiv url: http://arxiv.org/abs/2607.05148v1
• Date: Mon, 06 Jul 2026 14:29:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:30.192168
• Title: Fully Rotation-Equivariant Spectral-Spatial Learning for Multispectral Object Detection
• Title（参考訳）: マルチスペクトル物体検出のための全回転同変スペクトル空間学習
• Authors: Peng Zhang, Tingfa Xu, Shuaihao Han, Jianan Li,
• Abstract要約: FressDetは、マルチスペクトルオブジェクト検出のための、完全に回転同変のスペクトル空間学習フレームワークである。 スペクトル構造の連続的、秩序的な性質を捉え、ピラミッド準位にわたって信頼できるスペクトル-空間融合を可能にする。 FressDetは、回転摂動の下でもより差別的で堅牢なスペクトル空間表現を学習する。
• 参考スコア（独自算出の注目度）: 26.632380150006753
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing multispectral detectors are limited by discrete spectral processing, a scale-dependent shift in the relative reliability of spectral and spatial cues across pyramid levels, and the lack of explicit rotation-equivariant geometric priors for arbitrarily oriented objects. To tackle these limitations, we propose FressDet, a fully rotation-equivariant spectral-spatial learning framework for multispectral object detection, capable of capturing the continuous, ordered nature of spectral structure and enabling reliable spectral-spatial fusion across pyramid levels under arbitrary in-plane rotations. FressDet integrates three complementary components. Spectral Implicit Warp (SpeIW) enables query-based spectral resampling via a coordinate-conditioned implicit field, yielding a monotone, order-preserving warp. Rotation-Equivariant Consistency Weighting (ReCoW) adaptively fuses spectral and spatial branches based on branch reliability, reinforcing informative cues while suppressing noise across pyramid levels. The oriented-aware head exploits group-indexed features to stably predict oriented objects without parameter replication. Taken together, FressDet learns more discriminative and robust spectral-spatial representations even under rotational perturbations. By achieving state-of-the-art performance with 93% fewer parameters on three public benchmarks, FressDet demonstrates its effectiveness and generalizability.
• Abstract（参考訳）: 既存のマルチスペクトル検出器は、離散スペクトル処理、スペクトルと空間のキューの相対的信頼性のスケール依存的なシフト、および任意に向き付けられた対象に対する明示的な回転-等変幾何学的事前の欠如によって制限されている。 これらの制約に対処するために、FressDetは、多面体検出のための完全回転同変スペクトル空間学習フレームワークであり、スペクトル構造の連続的、秩序的な性質を捉えることができ、任意の面内回転下でピラミッド層間のスペクトル空間融合を可能にする。 FressDetは3つの補完コンポーネントを統合する。 Spectral Implicit Warp (SpeIW) は、クエリベースのスペクトル再サンプリングを可能にする。 ReCoW(Rotation-Equivariant Consistency Weighting)は、スペクトルと空間の枝を枝の信頼性に基づいて適応的に融合し、ピラミッドレベルのノイズを抑えながら情報的手がかりを補強する。 指向認識ヘッドは、パラメータレプリケーションなしで安定してオブジェクト指向オブジェクトを予測するためにグループインデックス機能を利用する。 FressDetは、回転摂動の下でもより差別的で頑健なスペクトル空間表現を学習する。 3つの公開ベンチマークで93%少ないパラメータで最先端のパフォーマンスを達成することで、FressDetはその有効性と一般化性を示している。

関連論文リスト

• Analytic Torsion and Spectral Gap Capture Persistent-Laplacian Performance [0.0]
  持続ラプラシアンを3つの数学的基底不変量に蒸留するコンパクトなスペクトル表現を提案する。 これらの不変量は、スペクトル幾何学とトポロジカルラーニングの間に、原則的かつ固定長のインターフェースをもたらすことを示唆している。
  論文  参考訳（メタデータ） (2026-06-15T17:28:57Z)
• Dynamic Spectral Denoising with Global-Context Attention for Multi-Behavior Recommendation [58.33732779555114]
  重要なボトルネックは、2つの結合した不均一性によって引き起こされる表現レベルの失敗である、と我々は主張する。 マルチビヘイビアレコメンデーション(SpectraMB)のためのグローバルコンテキストを考慮した動的スペクトルデノベーションを提案する。 SpectraMBは、ほとんどの評価設定で最高の結果を達成し、ノイズのある相互作用下での堅牢性の向上を示す。
  論文  参考訳（メタデータ） (2026-06-01T15:58:13Z)
• Phy-CoSF: Physics-Guided Continuous Spectral Fields Reconstruction and Super-Resolution for Snapshot Compressive Imaging [79.35520607451187]
  暗黙のニューラル表現で深層展開ネットワークを相乗化するPhy-CoSFを提案する。 具体的には、連続的なスペクトルレンダリングで離散波長トレーニングをブリッジする2相アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-05-13T14:17:02Z)
• Physics-Aligned Spectral Mamba: Decoupling Semantics and Dynamics for Few-Shot Hyperspectral Target Detection [14.607792636586067]
  SpecMambaは、安定したセマンティック表現とアジャイルのスペクトル適応を分離するフレームワークである。 検出精度とクロスドメインの一般化において、最先端の手法を一貫して上回る。
  論文  参考訳（メタデータ） (2026-04-07T08:04:18Z)
• Robust Graph Representation Learning via Adaptive Spectral Contrast [0.9558392439655014]
  高周波信号はヘテロフィリーの符号化には不可欠であるが、スペクトル集中摂動下では大きなばらつきを示す。 信頼性を考慮したスペクトルゲーティング機構により,このジレンマを解消するフレームワークであるASPECTを提案する。 ASPECTは9つのベンチマークのうち8つで新しい最先端のパフォーマンスを実現し、有意義な構造的ヘテロフィリを偶発的なノイズから効果的に分離する。
  論文  参考訳（メタデータ） (2026-04-02T10:38:00Z)
• SpectrumFM: Redefining Spectrum Cognition via Foundation Modeling [65.65474629224558]
  本稿ではスペクトル認識のための新しいパラダイムを提供するスペクトルFMと呼ばれるスペクトル基盤モデルを提案する。 畳み込みニューラルネットワークを利用した革新的なスペクトルエンコーダを提案し、スペクトルデータにおける微細な局所信号構造と高レベルのグローバルな依存関係の両方を効果的に捕捉する。 2つの新しい自己教師型学習タスク、すなわちマスク付き再構成と次のスロット信号予測が、SpectrumFMの事前学習のために開発され、モデルがリッチで伝達可能な表現を学習できるようにする。
  論文  参考訳（メタデータ） (2025-08-02T14:40:50Z)
• CARL: Camera-Agnostic Representation Learning for Spectral Image Analysis [69.02751635551724]
  スペクトルイメージングは、医療や都市景観の理解など、様々な領域で有望な応用を提供する。 スペクトルカメラのチャネル次元と捕獲波長のばらつきは、AI駆動方式の開発を妨げる。 本稿では,RGB,マルチスペクトル,ハイパースペクトル画像を用いたカメラ非依存表現学習モデルCARLを紹介する。
  論文  参考訳（メタデータ） (2025-04-27T13:06:40Z)
• Holistic Physics Solver: Learning PDEs in a Unified Spectral-Physical Space [54.13671100638092]
  Holistic Physics Mixer (HPM) は、スペクトルと物理情報を統一された空間に統合するためのフレームワークである。 我々はHPMが精度と計算効率の両面で最先端の手法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2024-10-15T08:19:39Z)
• Spectrum-driven Mixed-frequency Network for Hyperspectral Salient Object Detection [14.621504062838731]
  スペクトルから2つの異なる周波数成分を抽出することでスペクトル特性を完全に活用する新しい手法を提案する。 Spectral Saliency は有能なオブジェクトの領域を近似し、Spectral Edge は有能なオブジェクトのエッジ情報をキャプチャする。 この二重周波数情報を効果的に活用するために、新しい軽量スペクトラム駆動混合周波数ネットワーク(SMN)を導入する。
  論文  参考訳（メタデータ） (2023-12-02T08:05:45Z)

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。