論文の概要: FreqAdapt: Frequency-Adaptive Processing for RAW Object Detection

• arxiv url: http://arxiv.org/abs/2608.03385v1
• Date: Tue, 04 Aug 2026 09:33:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 15:30:23.113896
• Title: FreqAdapt: Frequency-Adaptive Processing for RAW Object Detection
• Title（参考訳）: FreqAdapt:RAWオブジェクト検出のための周波数適応処理
• Abstract要約: FreqAdaptは、周波数領域における適応RAWデータ拡張のための軽量モジュールである。 私たちのモジュールは、既存のオブジェクト検出フレームワークにシームレスに組み込むことができます。
• 参考スコア（独自算出の注目度）: 4.854973016171631
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing object detection methods predominantly utilize sRGB inputs, which are compressed from RAW sensor data using Image Signal Processors (ISP) originally designed for visualization purposes. Compared to RGB images, RAW images possess favorable noise characteristics and richer information representation, which are crucial for object detection, particularly under challenging conditions such as adverse weather or low-light environments. In this paper, we propose FreqAdapt, a lightweight module for adaptive RAW data enhancement in the frequency domain. Unlike traditional spatial domain processing methods, FreqAdapt innovatively maps ISP operations to the Fourier frequency domain and performs domain separation based on the physical properties of ISP operations, ensuring each operation is performed in its most suitable domain. Meanwhile, through an adaptive frequency domain encoder that jointly analyzes amplitude spectrum, phase spectrum, and RAW image features, we provide global context for ISP parameter prediction and employ a learnable fusion mechanism to achieve adaptive feature enhancement. Extensive experiments on multiple datasets with diverse lighting and weather conditions demonstrate that FreqAdapt achieves state-of-the-art performance while maintaining lightweight efficiency and good physical interpretability. Furthermore, our module can be seamlessly incorporated into existing object detection frameworks, providing a novel solution for visual perception tasks in the RAW domain.
• Abstract（参考訳）: 既存のオブジェクト検出手法では、画像信号プロセッサ(ISP)を用いてRAWセンサデータから圧縮されたsRGB入力を主に利用している。 RGB画像と比較して、RAW画像は、特に悪天候や低照度環境のような困難な条件下で、物体検出に不可欠である、好ましいノイズ特性とよりリッチな情報表現を有する。 本稿では、周波数領域における適応RAWデータ拡張のための軽量モジュールであるFreqAdaptを提案する。 従来の空間領域処理法とは異なり、FreqAdaptはISP操作をフーリエ周波数領域に革新的にマッピングし、ISP操作の物理的特性に基づいて領域分離を行い、各操作が最も適した領域で実行されることを保証する。 一方、振幅スペクトル、位相スペクトル、RAW画像の特徴を共同で解析する適応周波数領域エンコーダを用いて、ISPパラメータ予測のためのグローバルコンテキストを提供し、適応的特徴強調を実現するために学習可能な融合機構を用いる。 多様な照明と気象条件を持つ複数のデータセットに対する大規模な実験は、FreqAdaptが軽量な効率と優れた物理的解釈性を維持しながら最先端のパフォーマンスを達成することを示した。 さらに、我々のモジュールは既存のオブジェクト検出フレームワークにシームレスに組み込むことができ、RAWドメインにおける視覚的認識タスクのための新しいソリューションを提供する。

関連論文リスト

• Decoupling Amplitude and Phase Attention in Frequency Domain for RGB-Event based Visual Object Tracking [51.31378940976401]
  既存のRGB-Eventトラッキングアプローチでは、イベントカメラのユニークな利点を完全に活用できない。 本稿では,周波数領域の早期融合を実現する新しい追跡フレームワークを提案する。 FE108, FELT, COESOTなど, 広く使用されている3つのRGB-Event追跡ベンチマークデータセットの実験により, 提案手法の性能と効率を実証した。
  論文  参考訳（メタデータ） (2026-01-03T01:10:17Z)
• Spatial-Frequency Aware for Object Detection in RAW Image [2.7577617321294703]
  直接RAWに基づく物体検出は、その広いダイナミックレンジと線形応答のために固有の課題に直面している。 本研究では,空間および周波数表現を相乗化する新しいフレームワークである空間周波数認識RAW画像オブジェクト検出エンハンサー(SFAE)を提案する。
  論文  参考訳（メタデータ） (2025-08-02T15:03:23Z)
• AuxDet: Auxiliary Metadata Matters for Omni-Domain Infrared Small Target Detection [49.81255045696323]
  補助メタデータ駆動型赤外小型ターゲット検出器(AuxDet)について述べる。 AuxDetはメタデータセマンティクスと視覚的特徴を統合し、各サンプルに対する適応表現学習を導く。 挑戦的なWideIRSTD-Fullベンチマークの実験は、AuxDetが一貫して最先端のメソッドより優れていることを示した。
  論文  参考訳（メタデータ） (2025-05-21T07:02:05Z)
• Beyond RGB: Adaptive Parallel Processing for RAW Object Detection [5.36869872375791]
  Raw Adaptation Module (RAM)は、従来の画像信号処理(ISP)を置き換えるために設計されたモジュールである。 提案手法はRGBに基づく手法より優れており,様々なRAW画像データセットにまたがって最先端の結果が得られる。
  論文  参考訳（メタデータ） (2025-03-17T13:36:49Z)
• Frequency Domain Enhanced U-Net for Low-Frequency Information-Rich Image Segmentation in Surgical and Deep-Sea Exploration Robots [34.28684917337352]
  CNNと人間の視覚系における周波数帯域感度の差について検討する。 本稿では、生体視覚機構にインスパイアされたウェーブレット適応スペクトル融合(WASF)法を提案する。 我々は SAM2 のバックボーンネットワークを利用する FE-UNet モデルを開発し, セグメンテーション精度を確保するために細調整した Hiera-Large モジュールを組み込んだ。
  論文  参考訳（メタデータ） (2025-02-06T07:24:34Z)
• TBNet:Two-Stream Boundary-aware Network for Generic Image Manipulation Localization [49.521622399483846]
  汎用画像操作のローカライゼーションのための新しいエンド・ツー・エンド2ストリーム境界対応ネットワーク(TBNet)を提案する。 提案したTBNetは、MCCとF1の両方の観点から、最先端の汎用画像操作のローカライズ手法を大幅に上回ることができる。
  論文  参考訳（メタデータ） (2021-08-10T08:22:05Z)
• Wavelet-Based Network For High Dynamic Range Imaging [64.66969585951207]
  光学フローベースやエンド・ツー・エンドのディープラーニングベースのソリューションのような既存の方法は、詳細な復元やゴーストを除去する際にエラーを起こしやすい。 本研究では、周波数領域でHDR融合を行うための新しい周波数誘導型エンド・ツー・エンドディープニューラルネットワーク(FNet)を提案し、ウェーブレット変換(DWT)を用いて入力を異なる周波数帯域に分解する。 低周波信号は特定のゴーストアーティファクトを避けるために使用され、高周波信号は詳細を保存するために使用される。
  論文  参考訳（メタデータ） (2021-08-03T12:26:33Z)

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。