論文の概要: Difference-Driven Gating: Adaptive Feature Fusion for U-Net Decoder
- arxiv url: http://arxiv.org/abs/2607.11096v1
- Date: Mon, 13 Jul 2026 05:06:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 17:47:21.3356
- Title: Difference-Driven Gating: Adaptive Feature Fusion for U-Net Decoder
- Title（参考訳）: 差分駆動ゲーティング:U-Netデコーダの適応的特徴フュージョン
- Abstract要約: U-Netスタイルモデルにおける重要なステップは、トップダウンデコーダを使用して下位機能の再構築である。
既存の注意に基づく融合法は、トップダウンデコーダの特徴(グロバル)のみから注意重みを導出する。
本稿では,特徴差ゲーティングとエントロピー差ゲーティングの2つの違いに基づくゲーティング手法を提案する。
- 参考スコア（独自算出の注目度）: 22.058661958215122
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The U-Net style models have been widely used in many applications. A critical step in these models is to reconstruct the lower-level features using a top-down decoder. This reconstruction requires precise fusion of high-level semantics and low-level details. Existing attention-based fusion methods typically derive attention weights from the top-down decoder features (global) alone or the correlation between the top-down decoder features and the bottom-up encoder features (local), then modulate the encoder features using these weights. In this work, we explore a different paradigm: deriving attention weights from the difference between the two feature streams. To this end, we propose two difference-based gating approaches: Feature-difference gating (FDG), which directly uses the absolute difference between global and local features to generate adaptive gating maps, and Entropy-difference gating (EDG), which measures the representational certainty of each stream via information entropy and uses their signed entropy difference to derive the attention weights. Both methods produce coupled gating maps that simultaneously modulate the global and local features. Experiments on different tasks including medical image segmentation, remote sensing image cloud removal and speech separation showed that both methods outperformed existing attention-based fusion methods, and EDG performed better. The results suggested a new paradigm for multi-scale feature fusion in the U-Net style structures.
- Abstract（参考訳）: U-Netスタイルのモデルは、多くのアプリケーションで広く使われている。
これらのモデルにおける重要なステップは、トップダウンデコーダを使用して下位レベルの機能を再構築することである。
この再構築には、高レベルのセマンティクスと低レベルの詳細を正確に融合する必要がある。
既存の注意に基づく融合法は、通常、トップダウンデコーダの特徴(グローバル)のみから注意重みを導いたり、トップダウンデコーダの特徴とボトムアップ・エンコーダの特徴(ローカル)との相関を導いたりする。
本研究では,2つの特徴ストリームの違いから注意重みを導出する,異なるパラダイムについて検討する。
そこで本研究では,グローバル特徴と局所特徴の絶対差を直接利用して適応的ゲーティングマップを生成するFDGと,情報エントロピーを用いて各ストリームの表現的確実性を測定し,その符号付きエントロピー差を用いて注意重みを導出するEntropy-Difference Gaating(EDG)の2つの差分に基づくゲーティング手法を提案する。
どちらの手法も、グローバルな特徴と局所的な特徴を同時に変調する結合ゲーティングマップを生成する。
医用画像分割, リモートセンシングクラウド除去, 音声分離などの異なるタスクの実験により, どちらの手法も既存の注意ベース融合法より優れており, EDGは良好な性能を示した。
その結果,U-Netスタイル構造におけるマルチスケール機能融合の新しいパラダイムが示唆された。
関連論文リスト
- Dual-Perspective United Transformer for Object Segmentation in Optical Remote Sensing Images [38.942152581251165]
本稿では,長距離依存関係と空間的詳細を同時に統合するユニークな構造を持つDPU変換器を提案する。
特に,2つの視点から多種多様な情報を捉えるグローバル・ローカル・ミックス・アテンションを設計する。
本稿では,表現能力を高めるために,ゲート型線形フィードフォワードネットワークを提案する。
論文 参考訳（メタデータ） (2025-06-27T02:40:48Z) - Local-to-Global Cross-Modal Attention-Aware Fusion for HSI-X Semantic Segmentation [19.461033552684576]
HSI-X分類のためのローカル・グローバル・クロスモーダル・アテンション・アウェア・フュージョン(LoGoCAF)フレームワークを提案する。
LoGoCAFは、HSIとXのモダリティから情報を学ぶために、ピクセルからピクセルまでのセマンティックセマンティックセマンティックセマンティクスアーキテクチャを採用している。
論文 参考訳（メタデータ） (2024-06-25T16:12:20Z) - Object Segmentation by Mining Cross-Modal Semantics [68.88086621181628]
マルチモーダル特徴の融合と復号を導くために,クロスモーダル・セマンティックスをマイニングする手法を提案する。
具体的には,(1)全周減衰核融合(AF),(2)粗大デコーダ(CFD),(3)多層自己超越からなる新しいネットワークXMSNetを提案する。
論文 参考訳（メタデータ） (2023-05-17T14:30:11Z) - CEDNet: A Cascade Encoder-Decoder Network for Dense Prediction [23.142342401794302]
オブジェクト検出、インスタンスのセグメンテーション、セマンティックセグメンテーションといった密集した予測タスクには、マルチスケールの機能が不可欠である。
我々はCEDNetと呼ばれる,高密度mboxpredictionタスクに適した列挙型カスケードエンコーダデコーダネットワークを提案する。
CEDNetのすべてのステージは同じエンコーダ-デコーダ構造を共有し、デコーダ内でマルチスケールの機能融合を実行する。
論文 参考訳（メタデータ） (2023-02-13T02:03:55Z) - PSNet: Parallel Symmetric Network for Video Salient Object Detection [85.94443548452729]
我々は,PSNet という名前のアップ・ダウン・パラレル対称性を持つ VSOD ネットワークを提案する。
2つの並列ブランチが、ビデオの完全サリエンシ復号化を実現するために設定されている。
論文 参考訳（メタデータ） (2022-10-12T04:11:48Z) - Joint Spatial-Temporal and Appearance Modeling with Transformer for
Multiple Object Tracking [59.79252390626194]
本稿ではTransSTAMという新しい手法を提案する。Transformerを利用して各オブジェクトの外観特徴とオブジェクト間の空間的時間的関係の両方をモデル化する。
提案手法はMOT16, MOT17, MOT20を含む複数の公開ベンチマークで評価され, IDF1とHOTAの両方で明確な性能向上を実現している。
論文 参考訳（メタデータ） (2022-05-31T01:19:18Z) - Attention guided global enhancement and local refinement network for
semantic segmentation [5.881350024099048]
エンコーダ・デコーダアーキテクチャを用いて,軽量なセマンティックセマンティックセマンティクスネットワークを開発した。
高レベル特徴マップからグローバル情報を集約するグローバルエンハンスメント手法を提案する。
ローカルリファインメントモジュールは、デコーダ機能をセマンティックガイダンスとして利用することによって開発される。
この2つの手法はContext Fusion Blockに統合され、それに基づいてAttention Guided Global enhancement and Local refinement Network (AGLN) が精巧に設計されている。
論文 参考訳（メタデータ） (2022-04-09T02:32:24Z) - Light Field Saliency Detection with Dual Local Graph Learning
andReciprocative Guidance [148.9832328803202]
我々は、グラフネットワークを介して焦点スタック内のインフォメーション融合をモデル化する。
我々は、全焦点パタンを用いて焦点スタック融合過程をガイドする新しいデュアルグラフモデルを構築した。
論文 参考訳（メタデータ） (2021-10-02T00:54:39Z) - Attentional Feature Fusion [4.265244011052538]
本稿では,一様で汎用的な特徴融合手法を提案する。
我々のモデルは、CIFAR-100とImageNetのデータセットで最先端のネットワークより優れていることを示す。
論文 参考訳（メタデータ） (2020-09-29T15:10:18Z) - Multi-scale Interactive Network for Salient Object Detection [91.43066633305662]
本稿では,隣接レベルからの機能を統合するためのアグリゲート・インタラクション・モジュールを提案する。
より効率的なマルチスケール機能を得るために、各デコーダユニットに自己相互作用モジュールを埋め込む。
5つのベンチマークデータセットによる実験結果から,提案手法は後処理を一切行わず,23の最先端手法に対して良好に動作することが示された。
論文 参考訳（メタデータ） (2020-07-17T15:41:37Z) - Suppress and Balance: A Simple Gated Network for Salient Object
Detection [89.88222217065858]
両問題を同時に解くための単純なゲートネットワーク(GateNet)を提案する。
多レベルゲートユニットの助けを借りて、エンコーダからの貴重なコンテキスト情報をデコーダに最適に送信することができる。
さらに,提案したFold-ASPP操作(Fold-ASPP)に基づくアトラス空間ピラミッドプーリングを用いて,様々なスケールのサリアンオブジェクトを正確に位置決めする。
論文 参考訳（メタデータ） (2020-07-16T02:00:53Z)
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。