論文の概要: URNet: A Unified Reparameterized Network for Efficient RGB-D Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2608.05671v1
• Date: Thu, 06 Aug 2026 07:08:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 15:25:20.830288
• Title: URNet: A Unified Reparameterized Network for Efficient RGB-D Semantic Segmentation
• Title（参考訳）: URNet: 効率的なRGB-Dセマンティックセグメンテーションのための統一された再パラメータネットワーク
• Abstract要約: 従来のRGB-Dセマンティックセグメンテーション手法では、デュアルエンコーダを使用してRGBと深度入力を処理し、その後にクロスモーダルな特徴融合のための専用モジュールが使用される。 単一エンコーダ内でマルチモーダル特徴抽出とクロスモーダル融合を同時に行うURNetを提案する。 また、Praamid Merging Decoder (PMD) と呼ばれる簡潔で効果的なユニバーサルデコーダも開発している。
• 参考スコア（独自算出の注目度）: 19.09630916084259
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Previous RGB-D semantic segmentation methods commonly employ dual encoders to separately process RGB and depth inputs, followed by dedicated modules for cross-modal feature fusion. However, such designs often inadequately capture depth representations and consequently limit effective cross-modal interaction, while the additional encoder branch introduces redundant computation that hinders lightweight execution. To tackle these challenges, we propose URNet, a Unified Reparameterized RGB-D Network that performs simultaneous multi-modal feature extraction and cross-modal fusion within a single encoder. Specifically, we adopt a reparameterization strategy to compact the network architecture and facilitate fast inference. Within each Reparameterized Block (RepBlock), a Linear Gated Attention (LGA) module is introduced to fully exploit complementary RGB and depth cues across different feature scales. Furthermore, considering that decoder design has been relatively underexplored in existing RGB-D segmentation models, we develop a concise yet effective universal decoder, termed the Pyramid Merging Decoder (PMD). Extensive experiments on multiple RGB-D segmentation benchmarks demonstrate that URNet achieves state-of-the-art performance while maintaining high efficiency. Code will be available at https://github.com/Wild-Stephen/URNet.
• Abstract（参考訳）: 従来のRGB-Dセマンティックセマンティックセグメンテーション手法では、通常、デュアルエンコーダを使用してRGBと深さ入力を別々に処理し、その後にクロスモーダルな特徴融合のための専用モジュールが使用される。 しかしながら、このような設計はしばしば深度表現を不十分に捉え、結果として効果的な相互モーダル相互作用を制限し、追加のエンコーダブランチは軽量な実行を妨げる冗長な計算を導入している。 これらの課題に対処するため,単一エンコーダ内でマルチモーダル特徴抽出とクロスモーダル融合を同時に行う統一リパラメータRGB-DネットワークURNetを提案する。 具体的には、ネットワークアーキテクチャをコンパクト化し、高速な推論を容易にするために、再パラメータ化戦略を採用する。 各Reparameterized Block(RepBlock)内では、LGA(Linear Gated Attention)モジュールが導入された。 さらに,既存のRGB-Dセグメンテーションモデルではデコーダの設計が比較的過小評価されていることを考慮し,Mraamid Merging Decoder (PMD) と呼ばれる簡潔で効果的なユニバーサルデコーダを開発した。 複数のRGB-Dセグメンテーションベンチマークの大規模な実験は、URNetが高い効率を維持しながら最先端の性能を達成することを示した。 コードはhttps://github.com/Wild-Stephen/URNet.comから入手できる。

関連論文リスト

• HyPSAM: Hybrid Prompt-driven Segment Anything Model for RGB-Thermal Salient Object Detection [75.406055413928]
  RGB-T SODのための新しいプロンプト駆動セグメントモデル(HyPSAM)を提案する。 DFNetは動的畳み込みとマルチブランチデコーディングを使用して、適応的な相互モダリティ相互作用を促進する。 3つの公開データセットの実験により,本手法が最先端の性能を達成することを示す。
  論文  参考訳（メタデータ） (2025-09-23T07:32:11Z)
• TUNI: Real-time RGB-T Semantic Segmentation with Unified Multi-Modal Feature Extraction and Cross-Modal Feature Fusion [11.878642970457646]
  RGB-thermal(RGB-T)セマンティックセマンティックセグメンテーションは、挑戦的な条件下での自律型プラットフォームの環境認識を改善する。 一般的なモデルは、RGBイメージに事前訓練されたエンコーダを使用して、RGBと赤外線の両方の入力から特徴を抽出する。 マルチモーダル特徴抽出とクロスモーダル融合を同時に行う複数の積み重ねブロックからなるRGB-Tエンコーダを用いたTUNIを提案する。
  論文  参考訳（メタデータ） (2025-09-12T07:02:45Z)
• CIR-Net: Cross-modality Interaction and Refinement for RGB-D Salient Object Detection [144.66411561224507]
  本稿では,CIR-Netと呼ばれる畳み込みニューラルネットワーク(CNN)モデルを提案する。 我々のネットワークは、定性的かつ定量的に最先端の塩分濃度検出器より優れています。
  論文  参考訳（メタデータ） (2022-10-06T11:59:19Z)
• Dual Swin-Transformer based Mutual Interactive Network for RGB-D Salient Object Detection [67.33924278729903]
  本研究では,Dual Swin-Transformerを用いたMutual Interactive Networkを提案する。 視覚入力における長距離依存をモデル化するために,RGBと奥行きモードの両方の機能抽出器としてSwin-Transformerを採用している。 5つの標準RGB-D SODベンチマークデータセットに関する総合的な実験は、提案手法の優位性を実証している。
  論文  参考訳（メタデータ） (2022-06-07T08:35:41Z)
• Attention-based Dual Supervised Decoder for RGBD Semantic Segmentation [16.721758280029302]
  RGBDセマンティックセグメンテーションのための新しいアテンションベースデュアル教師付きデコーダを提案する。 エンコーダでは、マルチレベルペア補完情報を抽出し、融合するための、シンプルで効果的な注意に基づくマルチモーダル融合モジュールを設計する。 本手法は最先端の手法に対して優れた性能を発揮する。
  論文  参考訳（メタデータ） (2022-01-05T03:12:27Z)
• Cross-modality Discrepant Interaction Network for RGB-D Salient Object Detection [78.47767202232298]
  本稿では,RGB-D SODのためのクロスモダリティ離散相互作用ネットワーク(CDINet)を提案する。 2つのコンポーネントは、効果的な相互モダリティ相互作用を実装するように設計されている。 我々のネットワークは、定量的にも質的にも15ドルの最先端の手法より優れています。
  論文  参考訳（メタデータ） (2021-08-04T11:24:42Z)
• Data-Level Recombination and Lightweight Fusion Scheme for RGB-D Salient Object Detection [73.31632581915201]
  深部特徴抽出に先立って,RGBとD(深部)を融合する新たなデータレベル組換え手法を提案する。 新たに設計された3重ストリームネットワークをこれらの新しい定式化データ上に適用し,RGBとDのチャネルワイドな相補的融合状態を実現する。
  論文  参考訳（メタデータ） (2020-08-07T10:13:05Z)
• Bi-directional Cross-Modality Feature Propagation with Separation-and-Aggregation Gate for RGB-D Semantic Segmentation [59.94819184452694]
  深度情報はRGBD画像のセマンティックセグメンテーションにおいて有用であることが証明されている。 既存のほとんどの研究は、深度測定がRGBピクセルと正確で整合していると仮定し、問題をモーダルな特徴融合としてモデル化している。 本稿では,RGB特徴量応答を効果的に再検討するだけでなく,複数の段階を通して正確な深度情報を抽出し,代わりに2つの補正表現を集約する,統一的で効率的なクロスモダリティガイドを提案する。
  論文  参考訳（メタデータ） (2020-07-17T18:35:24Z)

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。