論文の概要: ProtoHGF-Net: Prototype HyperGraph Fusion with Intra-modal Calibration for RGBT Object Detection

• arxiv url: http://arxiv.org/abs/2608.11595v1
• Date: Wed, 12 Aug 2026 03:08:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.440339
• Title: ProtoHGF-Net: Prototype HyperGraph Fusion with Intra-modal Calibration for RGBT Object Detection
• Title（参考訳）: ProtoHGF-Net:RGBTオブジェクト検出のためのモード内校正を用いたHyperGraph Fusion
• Abstract要約: 本稿では, クロスモーダル融合をプロトタイプレベルのセマンティックインタラクションとして再定義するフレームワークを提案する。 ProtoHGF-Netは85.9%のmAP_50$、88.2%のmAP_50$、79.1%のmAP_50$で最先端のパフォーマンスを達成した。
• 参考スコア（独自算出の注目度）: 18.496442552804123
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: RGB-Thermal (RGBT) object detection enables robust perception in complex scenes by leveraging the complementary strengths of visible textures and thermal cues. However, existing methods mainly rely on dense cross-modal interactions over full-resolution features, which inevitably introduce background interference and hinder the learning of target-relevant representations. In this paper, we propose the Prototype HyperGraph Fusion Network (ProtoHGF-Net), a novel framework that redefines cross-modal fusion as prototype-level semantic interaction rather than the dense cross-modal interaction paradigm. Specifically, we design Prototype HyperGraph Fusion to perform cross-modal interaction in a compact prototype-level semantic space. This design enables more selective fusion among target-relevant prototypes. To support this prototype-level fusion, we propose Teacher-Mask Calibration Distillation, which calibrates modality features before fusion using modality-specific teachers and target-aware masks. This strategy suppresses backgrou- nd-dominant responses and produces more target-focused features. Extensive experiments on DroneVehicle, DVTOD, and FLIR demonstrate that ProtoHGF-Net achieves state-of-the-art performance with 85.9\% $mAP_{50}$, 88.2\% $mAP_{50}$, and 79.1\% $mAP_{50}$, respectively. Our code is available at \href{https://github.com/ZiMo-Chen/ProtoHGF}{GitHub}.
• Abstract（参考訳）: RGB-Thermal(RGBT)オブジェクト検出は、目に見えるテクスチャとサーマルキューの相補的な強度を活用することで、複雑なシーンで堅牢な知覚を可能にする。 しかし、既存の手法は主に、背景干渉を必然的に導入し、ターゲット関連表現の学習を妨げるフルレゾリューション機能よりも密接な相互モーダル相互作用に依存している。 本稿では,高密度なクロスモーダル相互作用パラダイムではなく,プロトタイプレベルのセマンティックインタラクションとして,クロスモーダル融合を再定義する新しいフレームワークであるPrototype HyperGraph Fusion Network(ProtoHGF-Net)を提案する。 具体的には, プロトタイプレベルのセマンティック空間において, クロスモーダルな相互作用を実現するために, プロトタイプHyperGraph Fusionを設計する。 この設計により、ターゲット関連プロトタイプ間のより選択的な融合が可能になる。 このプロトタイプレベルの融合を支援するために,教師・マスク校正蒸留(Teacher-Mask Calibration Distillation)を提案する。 この戦略は、バックグルー-nd-dominant応答を抑え、より標的に焦点を絞った特徴を生み出す。 DroneVehicle、DVTOD、FLIRの大規模な実験により、ProtoHGF-Netは85.9 % $mAP_{50}$、88.2 % $mAP_{50}$、79.1 % $mAP_{50}$で最先端のパフォーマンスを達成した。 我々のコードは \href{https://github.com/ZiMo-Chen/ProtoHGF}{GitHub} で入手できる。

関連論文リスト

• Progressive Pixel-Neighborhood Deformable Cross-Attention for Multispectral Object Detection [4.239735466670748]
  PNAFusion と呼ばれる多スペクトル特徴核融合のためのプログレッシブPixel-Neighborhood Deformable Cross-Attention を提案する。 PNAFusionは、その建築設計に地域空間の先行を取り入れ、最も関連性の高い地区に特徴の相互作用とアライメントを集中させる。 FLIR、M3FD、DroneVehicleの実験では、PNAFusionはそれぞれ84.2、90.5、85.5 mAP@0.5を達成した。
  論文  参考訳（メタデータ） (2026-06-23T03:14:27Z)
• Sparse Hypergraph-Enhanced Frame-Event Object Detection with Fine-Grained MoE [15.035274942751387]
  高性能かつ効率的な検出フレームワークであるHyper-FEODを提案する。 S-HCF(Sparse Hypergraph-enhanced Cross-Modal Fusion)を紹介する。 第2に、異なる画像領域の多様な意味的要求に対応するために、FG-MoE拡張モジュールを設計する。
  論文  参考訳（メタデータ） (2026-04-13T07:56:16Z)
• CtrlFuse: Mask-Prompt Guided Controllable Infrared and Visible Image Fusion [51.060328159429154]
  赤外線と可視画像の融合は、相補的なモダリティを組み合わせることで、全天候の知覚可能な画像を生成する。 我々は,マスクプロンプトによって誘導されるインタラクティブな動的融合を可能にする,制御可能な画像融合フレームワークであるCtrlFuseを提案する。 実験では、融合制御性とセグメンテーション精度の両立を実証し、適応されたタスク分岐は元のセグメンテーションモデルよりも優れていた。
  論文  参考訳（メタデータ） (2026-01-12T13:36:48Z)
• 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)
• ACD-CLIP: Decoupling Representation and Dynamic Fusion for Zero-Shot Anomaly Detection [21.26826497960086]
  ゼロショット異常検出(ZSAD)によるVLMの事前訓練 パラメータ効率のよい畳み込み型低ランク適応 (Conv-LoRA) アダプタを提案する。 また、テキストプロンプトを適応的に変調するために視覚的コンテキストを活用する動的フュージョンゲートウェイ(DFG)を導入する。
  論文  参考訳（メタデータ） (2025-08-11T10:03:45Z)
• Fusion-Mamba for Cross-modality Object Detection [63.56296480951342]
  異なるモダリティから情報を融合するクロスモダリティは、オブジェクト検出性能を効果的に向上させる。 We design a Fusion-Mamba block (FMB) to map cross-modal features into a hidden state space for interaction。 提案手法は,m3FD$が5.9%,FLIRデータセットが4.9%,m3FD$が5.9%である。
  論文  参考訳（メタデータ） (2024-04-14T05:28:46Z)
• Interactive Context-Aware Network for RGB-T Salient Object Detection [7.544240329265388]
  ICANet(Interactive Context-Aware Network)と呼ばれる新しいネットワークを提案する。 ICANetには、クロスモーダルとクロススケールの融合を効果的に実行する3つのモジュールが含まれている。 実験により,我々のネットワークは最先端のRGB-T SOD法に対して良好に動作していることが示された。
  論文  参考訳（メタデータ） (2022-11-11T10:04:36Z)
• 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)
• Self-Supervised Representation Learning for RGB-D Salient Object Detection [93.17479956795862]
  我々は、自己教師付き表現学習を用いて、クロスモーダルオートエンコーダと深さ-輪郭推定という2つのプレテキストタスクを設計する。 我々のプレテキストタスクは、ネットワークがリッチなセマンティックコンテキストをキャプチャする事前トレーニングを実行するのに、少数のRGB-Dデータセットしか必要としない。 RGB-D SODにおけるクロスモーダル核融合の固有の問題として,マルチパス核融合モジュールを提案する。
  論文  参考訳（メタデータ） (2021-01-29T09:16:06Z)
• 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。