論文の概要: InterPruner: Interactive Structured Pruning via Taylor-Implicit Criterion and Language-Prior Modulator for Multimodal Object Detection
- arxiv url: http://arxiv.org/abs/2608.10724v1
- Date: Tue, 11 Aug 2026 09:42:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-12 19:14:45.996795
- Title: InterPruner: Interactive Structured Pruning via Taylor-Implicit Criterion and Language-Prior Modulator for Multimodal Object Detection
- Title（参考訳）: InterPruner:マルチモーダルオブジェクト検出のためのTaylor-Implicit基準とLanguage-Prior変調器による対話型構造化プルーニング
- Abstract要約: マルチモーダル物体検出はリモートセンシング、特にRGB-赤外線パラダイムに有効である。
既存のプルーニング法ではチャネルの冗長性を低減できるが、これは一方向のバックボーン用に設計されている。
我々は、RGB赤外線検出器のための最初の対話型チャネルプルーニングフレームワークであるInterPrunerを提案する。
- 参考スコア（独自算出の注目度）: 43.76234957204122
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multimodal object detection proves effective in remote sensing, especially the RGB-Infrared paradigm. The parallel feature extractors provide rich multimodal information for robust detection, yet introduce substantial channel redundancy and computational overhead. Existing pruning methods can reduce channel redundancy, but they are designed for unimodal backbones, overlooking cross-modal interactions and dynamic scene-wise redundancy. In this paper, we propose InterPruner, the first interactive structured channel pruning framework for RGB-infrared object detectors. Specifically, we first derive a Taylor-Implicit Criterion(TIC) to quantify channel importance via high-order Taylor expansion and the implicit function theorem. Then, a Modality Interaction Redundancy Analyzer (MIRA) identifies redundant channels via mutual compensability assessment. Finally, a Scene-Prior Channel Anchor (SPCA) uses language priors as semantic anchors to measure channel-scene relevance for dynamic channel importance estimation. Cross-modality channel pruning for RGB-Infrared detection is yet unexplored. Extensive experiments on RGB-infrared object detection dataset demonstrate that InterPruner maintains high performance with negligible degradation. Specifically, it even achieves a 0.6% mAP increase on the FLIR dataset when pruning 50% of the channels. Code will be available on GitHub to facilitate future work.
- Abstract（参考訳）: マルチモーダル物体検出はリモートセンシング、特にRGB-赤外線パラダイムに有効である。
並列特徴抽出器は、堅牢な検出のためにリッチなマルチモーダル情報を提供するが、相当なチャネル冗長性と計算オーバーヘッドをもたらす。
既存のプルーニング法ではチャネルの冗長性を低減できるが、これは一方向のバックボーン用に設計されており、クロスモーダル相互作用と動的シーンワイズ冗長性を見渡せる。
本稿では,RGB-赤外線物体検出器のための対話型チャネルプルーニングフレームワークであるInterPrunerを提案する。
具体的には、まずTaylor-Implicit Criterion(TIC)を導出し、高次Taylor展開と暗黙関数定理を通じてチャネルの重要性を定量化する。
そして、MIRA(Modality Interaction Redundancy Analyzer)は、相互補償性評価により冗長チャネルを識別する。
最後に、Scene-Prior Channel Anchor (SPCA) は、動的チャネル重要度推定のために、言語先行をセマンティックアンカーとして使用する。
RGB赤外線検出のためのクロスモダリティチャネルプルーニングはまだ探索されていない。
RGB赤外線オブジェクト検出データセットの大規模な実験は、InterPrunerが無視できない劣化で高性能を維持していることを示している。
具体的には、50パーセントのチャンネルをプルーニングする際にFLIRデータセットで0.6%のmAP増加を達成している。
コードはGitHubで公開され、今後の作業が促進される。
関連論文リスト
- Bridging the RGB-IR Gap: Consensus and Discrepancy Modeling for Text-Guided Multispectral Detection [45.62297680190076]
マルチスペクトルオブジェクト検出のためのバイサポートモデリングを用いたセマンティックブリッジ融合フレームワークを提案する。
具体的には、テキストを共有セマンティックブリッジとして使用して、RGBおよびIR応答を統一されたカテゴリ条件下で整列させる。
RGB-IR相互作用の証拠を正規のコンセンサス支援と相補的な相補的な相補性支援に定式化する。
論文 参考訳（メタデータ） (2026-04-13T09:41:01Z) - Multispectral Detection Transformer with Infrared-Centric Feature Fusion [8.762314897895175]
Infrared-Centric Fusion (IC-Fusion) は、軽量でモダリティに配慮したセンサー融合法である。
IC-Fusionは、補完的なRGBセマンティックコンテキストを効果的に統合しながら、赤外線機能を優先する。
FLIRおよびLLVIPベンチマークの実験は、我々のIR中心核融合戦略の有効性と効率性を実証している。
論文 参考訳（メタデータ） (2025-05-21T05:44:14Z) - DCFG: Diverse Cross-Channel Fine-Grained Feature Learning and Progressive Fusion Siamese Tracker for Thermal Infrared Target Tracking [11.3097285242147]
主目的特徴を抑えるためのチャネル間きめ細かい特徴学習ネットワーク。
効率的なインフォームフローを高めるチャネル再構成機構
特定のチャネル間の細粒度損失関数は、特徴群をターゲットの識別的再試行に向けて誘導する。
論文 参考訳（メタデータ） (2025-04-19T14:24:37Z) - 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) - SCTransNet: Spatial-channel Cross Transformer Network for Infrared Small Target Detection [46.049401912285134]
赤外線小ターゲット検出(IRSTD)は近年,U字型ニューラルモデルから大きな恩恵を受けている。
既存のテクニックは、ターゲットが背景と高い類似性を持つ場合に苦労する。
本稿では,空間チャネルクロストランスネットワーク(SCTransNet)を提案する。
論文 参考訳（メタデータ） (2024-01-28T06:41:15Z) - ABC: Attention with Bilinear Correlation for Infrared Small Target
Detection [4.7379300868029395]
CNNに基づく深層学習法は、赤外線小ターゲット(IRST)のセグメンテーションに有効ではない
バイリニア相関(ABC)を用いた注目モデルを提案する。
ABCはトランスアーキテクチャに基づいており、特徴抽出と融合のための新しいアテンション機構を備えた畳み込み線形核融合トランス (CLFT) モジュールを含んでいる。
論文 参考訳（メタデータ） (2023-03-18T03:47:06Z) - 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) - Infrared Small-Dim Target Detection with Transformer under Complex
Backgrounds [155.388487263872]
変換器を用いた赤外線小径目標検出手法を提案する。
画像特徴の相互作用情報をより広い範囲で学習するために,変換器の自己認識機構を採用する。
最小限のターゲットの機能を学習するための機能拡張モジュールも設計しています。
論文 参考訳（メタデータ） (2021-09-29T12:23:41Z) - 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。