論文の概要: Gaze-DETR: Top-Down Guidance Through Priority Maps for Infrared Weak-Small UAV Detection with DETR

• arxiv url: http://arxiv.org/abs/2607.19040v1
• Date: Tue, 21 Jul 2026 12:29:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.422804
• Title: Gaze-DETR: Top-Down Guidance Through Priority Maps for Infrared Weak-Small UAV Detection with DETR
• Title（参考訳）: Gaze-DETR: DETRを用いた赤外弱スモールUAV検出のための優先マップによるトップダウン誘導
• Abstract要約: 局所化前に内部優先度マップを学習する検出器であるGaze-DETRを提案する。 プライオリティヘッドは画像特徴から正規化優先度マップを予測し、RPFMは高プライオリティ応答を強化し、PAQIは高プライオリティ位置をデコーダアンカークエリに変換する。 その結果,空間優先学習は,境界ボックスの監督を補完する事前局所化指導を提供することがわかった。
• 参考スコア（独自算出の注目度）: 60.12701295852494
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Infrared small target detection (ISTD) remains challenging because tiny, low-contrast targets are easily overwhelmed by clutter, noise, or occlusion. Conventional single-frame and multi-frame detectors rely on bounding-box supervision, which specifies final target locations but offers little explicit guidance for prioritizing candidate regions or preserving weak-target evidence before localization. Task-driven visual search offers such guidance: top-down goals and visual evidence jointly form a spatial priority map that ranks candidate locations. Building on this principle, we propose Gaze-DETR, a bio-inspired detector that learns an internal priority map before localization. First, a priority head predicts a normalized priority map from image features. Second, Residual Priority-Guided Feature Modulation (RPFM) enhances high-priority responses while retaining multi-scale features. Finally, Priority-Guided Anchor Query Injection (PAQI) converts high-priority locations into decoder anchor queries. We train the priority head using three supervision schemes: box-derived Gaussian maps; real-gaze maps constructed from fixation-density maps; and transferred pseudo-gaze maps learned from gaze--box relations in paired annotations and applied to Anti-UAV410 training boxes. To support the latter two schemes, we construct TIR-UAV120-Gaze with paired detection and task-driven eye-tracking annotations. On TIR-UAV120-Gaze, Gaze-DETR achieves 85.76 mAP$_{50}$ and 88.77 F1 with box-derived supervision, and 86.18 mAP$_{50}$ and 89.00 F1 with real-gaze supervision. On Anti-UAV410, it achieves 87.06 mAP$_{50}$ and 90.90 F1 with box-derived supervision, and 87.08 mAP$_{50}$ and 90.43 F1 with transferred pseudo-gaze supervision. These results show that explicit spatial-priority learning provides pre-localization guidance complementary to bounding-box supervision across annotation settings and costs.
• Abstract（参考訳）: 赤外線小目標検出(ISTD)は、小さな、低コントラストのターゲットが、乱雑、ノイズ、または閉塞によって容易に圧倒されるため、依然として困難である。 従来の単一フレームと複数フレームの検出器は、最終目標位置を特定する境界ボックスの監視に依存しているが、候補領域の優先順位付けや、ローカライゼーションの前に弱いターゲットの証拠を保存するための明確なガイダンスはほとんど提供されない。 タスク駆動ビジュアルサーチは、トップダウンゴールと視覚的エビデンスは、候補地をランク付けする空間優先マップを共同で作成する。 この原理に基づいて,局在化前の内部優先度マップを学習するバイオインスパイアされた検出器であるGaze-DETRを提案する。 まず、優先ヘッドは、画像特徴量から正規化された優先マップを予測する。 第二に、Residual Priority-Guided Feature Modulation (RPFM)は、マルチスケール機能を維持しながら高優先度応答を向上させる。 最後に、優先度誘導型アンカークエリインジェクション(PAQI)は、優先度の高い場所をデコーダアンカークエリに変換する。 ボックス由来ガウスマップ,固定密度マップから構築した実ゲームマップ,およびペアアノテーションによる視線-ボックス関係から学習した擬似ゲームマップを変換し,アンチUAV410のトレーニングボックスに適用する。 後者の2つのスキームをサポートするために,ペア検出とタスク駆動型アイトラッキングアノテーションを備えたTIR-UAV120-Gazeを構築した。 TIR-UAV120-Gazeは85.76 mAP$_{50}$と88.77 F1、86.18 mAP$_{50}$と89.00 F1を達成する。 アンチUAV410では87.06 mAP$_{50}$と90.90 F1をボックス由来で、87.08 mAP$_{50}$と90.43 F1を擬似迷路監視で達成している。 これらの結果から,明示的な空間優先学習は,アノテーション設定やコストを越えたバウンディングボックスの監視を補完する事前局所化指導を提供することが示された。

関連論文リスト

• HGSQ: Heatmap-Guided Sparse Query Detector for Real-Time Aerial Small Object Detection [0.0]
  リアルタイムの空中小物体検出は、大きな背景領域での冗長な計算を回避しつつ、微細な局所化を維持するために検出器を必要とする。 本稿では,HGSQを提案する。HGSQはリアルタイムな小型物体検出のためのヒートマップ型スパースクエリ検出器である。 HGSQは、ヒートマップを、デプロイ中の可視化マップではなく、リアルタイムの計算予算として扱う。
  論文  参考訳（メタデータ） (2026-09-10T12:52:34Z)
• Explore From Sketch: Accelerating UAV Exploration in Large-scale Environments with Prior Maps [20.559950853029]
  本稿では,LiDARをベースとしたUAV探査において,スパース,アンアライメント,さらには2次元事前地図の離散化を生かした新しい探索フレームワークを提案する。 ベンチマーク評価では、探査効率が34.2%向上し、飛行距離が37.9%減少した。
  論文  参考訳（メタデータ） (2026-06-10T06:30:29Z)
• DisDop: Distillation with Domain Priors for Open-Vocabulary Aerial Object Detection [75.11656789221072]
  リモートセンシング基礎モデルからマルチレベルドメインを抽出する統合フレームワークであるDisDopを提案する。 DisDopは、オープンボキャブラリ空中検出ベンチマーク上で、最先端のパフォーマンスを新たに実現している。
  論文  参考訳（メタデータ） (2026-05-23T16:01:20Z)
• CSPENet: Contour-Aware and Saliency Priors Embedding Network for Infrared Small Target Detection [4.731073701194089]
  赤外線小目標検出(ISTD)は、幅広い民間・軍事用途において重要な役割を担っている。 既存の手法では, 密集した乱雑な環境下でのディムターゲットの局所化や輪郭情報の認識に欠陥がある。 本稿では,ISTDのためのcontour-aware and saliency priors embedded network (CSPENet)を提案する。
  論文  参考訳（メタデータ） (2025-05-15T03:56:36Z)
• DETR Doesn't Need Multi-Scale or Locality Design [69.56292005230185]
  本稿では,"プレーン"特性を維持できる改良型DETR検出器を提案する。 特定の局所性制約を伴わずに、単一スケールの機能マップとグローバルなクロスアテンション計算を使用する。 マルチスケールな特徴マップと局所性制約の欠如を補うために,2つの単純な技術が平易な設計において驚くほど効果的であることを示す。
  論文  参考訳（メタデータ） (2023-08-03T17:59:04Z)
• Anchor-free Oriented Proposal Generator for Object Detection [59.54125119453818]
  オブジェクト指向物体検出はリモートセンシング画像解釈において実用的で困難な課題である。 今日では、指向性検出器は主に水平方向の箱を中間体として使用し、それらから指向性のある箱を導出している。 本稿では,ネットワークアーキテクチャから水平ボックス関連操作を放棄する,AOPG(Anchor-free Oriented Proposal Generator)を提案する。
  論文  参考訳（メタデータ） (2021-10-05T10:45:51Z)
• Oriented R-CNN for Object Detection [61.78746189807462]
  本研究では、オブジェクト指向R-CNNと呼ばれる、効果的でシンプルなオブジェクト指向オブジェクト検出フレームワークを提案する。 第1段階では,高品質な指向型提案をほぼ無償で直接生成する指向型領域提案ネットワーク(指向RPN)を提案する。 第2段階は、R-CNNヘッダーで、興味のある領域(オブジェクト指向のRoI)を精製し、認識する。
  論文  参考訳（メタデータ） (2021-08-12T12:47:43Z)
• DETReg: Unsupervised Pretraining with Region Priors for Object Detection [103.93533951746612]
  DETRegは、オブジェクト検出ネットワーク全体を事前トレーニングする、新しい自己教師型メソッドである。 事前トレーニング中、DETRegはオブジェクトのローカライゼーションを予測し、教師なしのリージョン提案ジェネレータからのローカライゼーションにマッチする。 対応する機能埋め込みと、自己教師付きイメージエンコーダからの埋め込みを同時に調整する。
  論文  参考訳（メタデータ） (2021-06-08T17:39:14Z)

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。