論文の概要: FaithIR: Rethinking Infrared Image Super-Resolution from Perceptual Sharpness to Task Relevant Fidelity

• arxiv url: http://arxiv.org/abs/2608.03106v1
• Date: Tue, 04 Aug 2026 04:23:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 15:30:23.031587
• Title: FaithIR: Rethinking Infrared Image Super-Resolution from Perceptual Sharpness to Task Relevant Fidelity
• Title（参考訳）: FaithIR: 知覚的シャープネスからタスク関連忠実度への赤外画像超解法の再考
• Authors: Axi Niu, Zhenguo Wu, Kang Zhang, Qingsen Yan, Jinqiu Sun, Yanning Zhang,
• Abstract要約: FaithIRは信頼性の高いマシン認識のための忠実な赤外線超解像度フレームワークである。 FLIR-IISR、M3FD、FMBの実験は、強い再構成忠実度、クロスデータセットの一般化、オブジェクト検出とセマンティックセグメンテーションにおける優れた性能を示す。
• 参考スコア（独自算出の注目度）: 50.75932774177958
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Infrared image super-resolution (IISR) is important for downstream tasks such as object detection and semantic segmentation. Existing IISR methods often produce artificial textures, over-sharpened edges, and spurious high-frequency details that distort authentic thermal structures and semantic information. To address this issue, we propose FaithIR, a faithful infrared super-resolution framework for reliable machine perception. FaithIR consists of a patch-level conditioning branch that captures global thermal and structural information and a pixel-level restoration branch that performs dense local reconstruction under structural guidance. The entire restoration process is performed directly in the pixel domain to preserve infrared-specific structures and task-relevant information. Extensive experiments on FLIR-IISR, M3FD, and FMB demonstrate strong reconstruction fidelity, cross-dataset generalization, and superior performance in object detection and semantic segmentation. These results show that demonstrate that preserving faithful infrared structure preservations is more important for reliable machine perception than merely pursuing perceptual sharpness alone.
• Abstract（参考訳）: オブジェクト検出やセマンティックセグメンテーションといった下流タスクには,赤外画像超解像(IISR)が重要である。 既存のIISRの手法は、しばしば人工的なテクスチャ、過シャーペンドエッジ、そして真の熱構造や意味情報を歪めるような高周波数の詳細を生成する。 この問題に対処するため、信頼性の高いマシン認識のための忠実な赤外線超解像フレームワークであるFaithIRを提案する。 FaithIRは、グローバルな熱と構造情報をキャプチャするパッチレベルのコンディショニングブランチと、構造ガイダンスの下で密集した局所的な再構築を行うピクセルレベルの復元ブランチで構成されている。 回復プロセス全体は、赤外線特有の構造とタスク関連情報を保存するために、ピクセル領域で直接実行される。 FLIR-IISR, M3FD, FMBの大規模実験は, 強い再構成忠実度, クロスデータセットの一般化, オブジェクト検出とセマンティックセグメンテーションにおける優れた性能を示す。 これらの結果は、単に知覚の鋭さだけを追求することよりも、信頼性の高い機械認識において、忠実な赤外構造保存を維持することが重要であることを示している。

関連論文リスト

• InfraNet: Quality-Aware RGB Guidance for Efficient Infrared Object Detection [31.00284151416272]
  InfraNetは、トレーニング中のRGBガイダンスを規制し、柔軟なRGB--IRまたはIR-onlyデプロイメントをサポートする品質対応フレームワークである。 提案手法は,4つのベンチマークデータセット(LLVIP,FLIR-Aligned,M$3$FD,DroneVehicle)の広範な実験により評価される。
  論文  参考訳（メタデータ） (2026-07-04T09:49:53Z)
• Toward Real-world Infrared Image Super-Resolution: A Unified Autoregressive Framework and Benchmark Dataset [18.256350338119162]
  現実世界の条件下での赤外画像超解像(IISR)は、事実上重要な課題であるが、めったに対処されない課題である。 実世界IISRのための統合自己回帰フレームワークであるReal-IISRを提案する。 FLIR-IISRは実世界のIISRデータセットで、一対のLR-HR赤外線画像が自動焦点変化と動きによって引き起こされるぼかしによって取得される。
  論文  参考訳（メタデータ） (2026-03-05T02:38:29Z)
• IrisNet: Infrared Image Status Awareness Meta Decoder for Infrared Small Targets Detection [92.56025546608699]
  IrisNetは、入力赤外線画像ステータスに検出戦略を適用する、新しいメタ学習フレームワークである。 提案手法は,赤外線画像特徴量とデコーダパラメータ全体の動的マッピングを確立する。 NUDT-SIRST、NUAA-SIRST、IRSTD-1Kデータセットの実験は、我々のIrisNetの優位性を示している。
  論文  参考訳（メタデータ） (2025-11-25T13:53:54Z)
• DFVO: Learning Darkness-free Visible and Infrared Image Disentanglement and Fusion All at Once [57.15043822199561]
  可視・赤外画像のアンタングル化と融合を同時に行うためのダークネスフリーネットワーク(DFVO)を提案する。 DFVOは、従来の2段階のカスケードトレーニング(エンハンスメントと融合)を置き換えるために、ケースケードマルチタスクアプローチを採用している 提案手法は,定性的および定量的評価の観点から,最先端の代替品よりも優れている。
  論文  参考訳（メタデータ） (2025-05-07T15:59:45Z)
• Multi-Domain Biometric Recognition using Body Embeddings [51.36007967653781]
  身体埋め込みは中波長赤外線(MWIR)領域と長波長赤外線(LWIR)領域の顔埋め込みよりも優れていた。 我々は、IJB-MDFデータセット上でのベンチマーク結果を確立するために、ビジョントランスフォーマーアーキテクチャを活用している。 また, クロスエントロピーとトリプルト損失の単純な組み合わせで, VISデータにのみ事前訓練された体モデルを微調整することで, 最先端のmAPスコアが得られることを示す。
  論文  参考訳（メタデータ） (2025-03-13T22:38:18Z)
• Contourlet Refinement Gate Framework for Thermal Spectrum Distribution Regularized Infrared Image Super-Resolution [54.293362972473595]
  画像超解像(SR)は、高解像度(HR)画像を低解像度(LR)画像から再構成することを目的としている。 SRタスクに対処する現在のアプローチは、RGB画像の特徴を抽出するか、同様の劣化パターンを仮定するものである。 スペクトル分布の忠実さを保ちつつ、赤外線変調特性を復元するコントゥーレット改質ゲートフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-19T14:24:03Z)
• Infrared Image Super-Resolution via Lightweight Information Split Network [15.767636844406493]
  LISN(Lightweight Information Split Network)と呼ばれる,新しい,効率的で高精度な単一赤外線画像SRモデルを提案する。 LISNは、浅部特徴抽出、深部特徴抽出、高密度特徴融合、高分解能赤外線画像再構成の4つの主要成分からなる。 このモデルにおける重要な革新は、深い特徴抽出のための軽量情報分割ブロック(LISB)の導入である。
  論文  参考訳（メタデータ） (2024-05-17T06:10:42Z)
• VIFNet: An End-to-end Visible-Infrared Fusion Network for Image Dehazing [13.777195433138179]
  本研究の目的は、画像デハージングのための可視赤外線融合ネットワークを設計することである。 特に,より空間的・限界的な情報を復元するための多スケール深層構造特徴抽出(DSFE)モジュールを提案する。 これを検証するために,AirSimシミュレーションプラットフォームに基づくAirSim-VIDと呼ばれる可視赤外マルチモーダルデータセットを構築した。
  論文  参考訳（メタデータ） (2024-04-11T14:31:11Z)
• Deep Burst Super-Resolution [165.90445859851448]
  バースト超解像タスクのための新しいアーキテクチャを提案する。 我々のネットワークは複数のノイズRAW画像を入力として取り出し、出力として分解された超解像RGB画像を生成する。 実世界のデータのトレーニングと評価を可能にするため,BurstSRデータセットも導入する。
  論文  参考訳（メタデータ） (2021-01-26T18:57:21Z)

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。