論文の概要: Boundary-Aligned Contribution Routing for Robust Optical--SAR Object Detection

• arxiv url: http://arxiv.org/abs/2608.15261v1
• Date: Sat, 15 Aug 2026 14:37:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.242222
• Title: Boundary-Aligned Contribution Routing for Robust Optical--SAR Object Detection
• Title（参考訳）: ロバスト光-SARオブジェクト検出のための境界アライメントコントリビューションルーティング
• Abstract要約: 光-SAR融合はリモートセンシングオブジェクト検出に魅力的である。 しかし、不完全な空間的、時間的、意味的な対応は、不完全なストリームを条件付きで有害にすることができる。 我々は,検出監視のみを用いてタスク条件付きコントリビューションルーティングを学習する。
• 参考スコア（独自算出の注目度）: 8.665369041430969
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Optical imagery provides rich appearance cues, whereas synthetic aperture radar (SAR) offers observations that are less sensitive to illumination and weather, making optical--SAR fusion attractive for remote-sensing object detection. However, the presence of multiple modalities does not guarantee beneficial fusion: imperfect spatial, temporal, and semantic correspondence can make an otherwise intact stream conditionally harmful and induce negative cross-modal transfer. We handle this issue through a model-specific task-utility perspective and learn task-conditioned contribution routing using detection supervision alone. The proposed fusion-boundary-aligned routing regulates each modality's contribution before the first learned cross-modal feature-value mixing operation. For architectures with frequent shallow interaction, a Feature Router performs cross-conditioned, group-addressable modulation near the input; for dual-backbone architectures, a Dual-Statistic Semantic Router predicts stream-level contribution weights from modality-specific average and maximum statistics before late semantic fusion. The routers require no explicit utility supervision, quality labels, reconstruction, or distillation. Experiments on M4-SAR and SpaceNet6-OTD cover nominal full inputs, controlled correspondence shifts, missing modalities, and four nonzero modality-corruption scenarios. Across the reported clean-training controls, routing improves full-input $\text{mAP}_{50}$ by 0.5--5.9 points. Relative to the corresponding modality-dropout baselines, it raises missing-modality $\text{mAP}_{50}$ by 7.6--41.6 points and reduces the negative-transfer rate by up to 12.7 percentage points. Spearman correlations between the learned routing weights and model-specific leave-one-modality-out utility range from 0.45 to 0.66, supporting the task-utility interpretation of the routing coefficients.
• Abstract（参考訳）: 光画像はリッチな外観の手がかりを提供するが、合成開口レーダー(SAR)は照明や天候に敏感でない観測結果を提供するため、リモートセンシング対象の検出には光-SAR融合が魅力的である。 しかし、多重モードの存在は有益融合を保証しない:不完全な空間的、時間的、意味的な対応は、不完全なストリームを条件付きで有害にし、負のクロスモーダル移動を誘導する。 我々は、モデル固有のタスクユーティリティの観点からこの問題に対処し、検出監督だけでタスク条件付きコントリビューションルーティングを学習する。 提案した融合境界整列ルーティングは、初めて学習されたクロスモーダルな特徴値混合操作の前に、各モダリティの寄与を調節する。 デュアルバックボーンアーキテクチャでは、Dual-Statistic Semantic Routerは、後続セマンティックフュージョンの前に、モダリティ固有の平均値と最大統計量からストリームレベルのコントリビューション重みを予測する。 ルーターは、明示的なユーティリティ監督、品質ラベル、再構築、蒸留を必要としない。 M4-SARとSpaceNet6-OTDの実験は、名目上の完全な入力、制御された対応シフト、モダリティの欠如、および4つの非ゼロのモダリティ-破壊シナリオをカバーしている。 報告されたクリーントレーニングコントロール全体で、ルーティングはフルインプットの$\text{mAP}_{50}$を0.5--5.9ポイント改善する。 対応するモダリティ・ドロップアウト・ベースラインとは対照的に、不足モダリティ$\text{mAP}_{50}$を7.6--41.6ポイント引き上げ、負の転送レートを最大12.7ポイント下げる。 学習したルーティングウェイトとモデル固有のモダリティアウトユーティリティのスピアマン相関は0.45から0.66の範囲であり、ルーティング係数のタスクユーティリティ解釈をサポートする。

関連論文リスト

• LDAC-Net: A Learnable Multi-Lag Differencing Attention-Convolution Network for Drift-Robust Recognition with Low-Cost MOX Gas Sensors [6.156377010595533]
  安価な金属酸化物(MOX)ガスセンサをベースとしたポータブル電子ノイズシステムは、ガスと臭気の認識に実用的なソリューションを提供する。 既存のパイプラインは通常、固定された一階時間差分(FOTD)を使用する。 LDAC-Netは,マルチチャネルMOX信号で直接動作する,注目畳み込みネットワークとは違い,エンドツーエンドで学習可能なマルチラグである。
  論文  参考訳（メタデータ） (2026-08-26T11:20:27Z)
• RecGPT-Mobile-V2 Technical Report [22.10290138930905]
  RecGPT-Mobile-V2は、意図的品質と実行効率をステージド設計の目的として扱うエンドツーエンドフレームワークである。 このフレームワークは異種間相互作用をエビデンス保存軌道に変換し、ドメイン適応と教師付きアライメントを通じてレコメンデーションネイティブ基盤を確立する。 オンライン検索分析では、クエリリコールチャネルは、確立されたリコールチャネルによってサーフェスされたインベントリに補完されるインベントリを検索することを示している。
  論文  参考訳（メタデータ） (2026-08-25T09:23:17Z)
• S$^3$AM: A Single-Stream SAM with Reliability-Calibrated Frequency Adapter for Multi-modal Salient Object Detection [74.15663758681849]
  シングルストリームフレームワークは、信頼性キャリブレーションされた周波数適応をMSOD用のSAMバックボーンに組み込む。 RGB-D、RGB-T、RGB-NIRの正当性オブジェクト検出ベンチマークの実験により、提案フレームワークが競合性能を達成することを確認した。
  論文  参考訳（メタデータ） (2026-08-18T08:05:00Z)
• Domain-Generalized Adaptive Semantic Communication for Collaborative Perception [6.782749441111213]
  RSTAは、ソースフリーなV2X協調認識のためのドメイン汎用セマンティックコミュニケーションフレームワークである。 RSTAは、クロスドメインのプロトタイプアライメントとチャネル間の勾配の整合性を通じて、トランスミッション安定性のためのプリデプロイセマンティックエンコーダを訓練する。 理論的タスク分解は、各損失項を別個の劣化源にリンクし、各アルゴリズム成分を測定可能な誤差モードでグラウンド化する。
  論文  参考訳（メタデータ） (2026-07-27T07:10:48Z)
• LLM-Empowered Multimodal Fusion Framework for Autonomous Driving: Semantic Enhancement and Channel-Adaptive Design [56.76240343283953]
  本稿では,大規模言語モデル中心のセマンティック・レイヤ・チャネル・アウェア・インテグレート・パーセプション・フレームワークを提案する。 ローカルな視覚ストリームと、知覚盲点をカバーするために使用される品質の変化した外部レーダーストリームを融合させる。 nuScenesとVIRATの実験は、我々のアプローチを検証する。
  論文  参考訳（メタデータ） (2026-07-02T06:44:02Z)
• Cross-Layer Intrusion Detection in 5G O-RAN: Gains and Limits of Fusing Radio Telemetry with Network Flow Records [2.992414059774663]
  オープンRANデアグリゲーションは、DUラジオテレメトリとCU側ネットワークフローレコードのジョイント分析を可能にする。 これら2つのモダリティの融合が7つのアーキテクチャで個別に改善されるかどうかを評価する。
  論文  参考訳（メタデータ） (2026-06-21T11:48:23Z)
• UTOPYA: A Multimodal Deep Learning Framework for Physics-Informed Anomaly Detection and Time-Series Prediction [42.532335022354545]
  バッチプロセスにおける異常検出は、過渡的ダイナミクス、欠陥ラベルの不足、単一モードセンサデータへの依存によって妨げられる。 本研究は, バッチ蒸留における異常検出, 時系列予測, 位相分類を共同で扱うマルチモーダルフレームワークUTOPYAを紹介する。 本研究で導入された物理インフォームド正規化スキームは、時間的滑らかさと熱力学的モノトニクスを強制する。
  論文  参考訳（メタデータ） (2026-05-18T10:28:15Z)
• Action-Inspired Generative Models [0.0]
  アクションインスパイアされた生成モデル(AGM) 既往の橋梁整合法が輸送景観の遷移に均一な回帰重みを割り当てるという観察に動機づけられた双対ネットワーク生成フレームワークを導入する。 学習可能なポテンシャルを通して不定形輸送経路を選択的に解析すると、フィデリティとカバレッジのメトリクス間で生成品質が一貫した改善が得られることを実証する。
  論文  参考訳（メタデータ） (2026-05-14T09:43:32Z)
• Towards Real-Time Autonomous Navigation: Transformer-Based Catheter Tip Tracking in Fluoroscopy [35.565354067805835]
  本研究の目的は, 実時間カテーテル先端追跡パイプラインの開発と評価である。 U-Net、U-Net+Transformer、SegFormerなどのディープラーニングセグメンテーションモデルをトレーニングし、ベンチマークした。 2級のSegFormerは平均絶対誤差4.44mm、U-Net(4.60mm)、U-Net+Transformer(6.20mm)、および3級モデル(5.19-7.74mm)を上回った。
  論文  参考訳（メタデータ） (2026-05-14T01:42:56Z)
• Architecture-Agnostic Modality-Isolated Gated Fusion for Robust Multi-Modal Prostate MRI Segmentation [0.0]
  多重化前立腺MRIは、T2パラメトリック(T2W)、見かけ拡散係数(ADC)、高b値拡散強調(HBV)配列を組み合わせる。 実際には、拡散配列は、T2Wよりも、取得のばらつき、動き、アーティファクトの影響を受けることが多い。 我々は、学習ゲーティングステージの前に、個別のモダリティ固有の符号化ストリームを維持するために、Modality-Isolated Gated Fusion (MIGF)を提案する。
  論文  参考訳（メタデータ） (2026-04-12T15:54:21Z)
• Weather-Conditioned Branch Routing for Robust LiDAR-Radar 3D Object Detection [43.35380334829282]
  気象条件の分岐経路問題としてマルチモーダル認識を再構成する。 我々のフレームワークは、純粋なLiDARブランチ、純粋な4Dレーダブランチ、条件付き融合ブランチの3つの並列3D特徴ストリームを明示的に維持している。 K-Radarベンチマーク実験により,本手法が最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2026-04-07T03:56:27Z)
• EAGLE: Edge-Aware Graph Learning for Proactive Delivery Delay Prediction in Smart Logistics Networks [0.5653106385738822]
  本稿では,プロアクティブサプライチェーンリスク管理のためのハイブリッドディープラーニングフレームワークを提案する。 提案手法は,軽量な Transformer patch encoder を用いて時間次数フローのダイナミクスを共同でモデル化する。 このフレームワークは0.0089のクロスシードF1標準偏差を示しており、最高の改良版よりも3.8倍改善されている。
  論文  参考訳（メタデータ） (2026-04-06T23:35:15Z)
• Inertial Hallucinations -- When Wearable Inertial Devices Start Seeing Things [82.15959827765325]
  環境支援型生活(AAL)のためのマルチモーダルセンサフュージョンの新しいアプローチを提案する。 我々は、標準マルチモーダルアプローチの2つの大きな欠点、限られた範囲のカバレッジ、信頼性の低下に対処する。 我々の新しいフレームワークは、三重項学習によるモダリティ幻覚の概念を融合させ、異なるモダリティを持つモデルを訓練し、推論時に欠落したセンサーに対処する。
  論文  参考訳（メタデータ） (2022-07-14T10:04:18Z)
• Efficient Decoder-free Object Detection with Transformers [75.00499377197475]
  視覚変換器(ViT)は、物体検出アプローチのランドスケープを変化させている。 本稿では,デコーダフリー完全トランス(DFFT)オブジェクト検出器を提案する。 DFFT_SMALLは、トレーニングおよび推論段階で高い効率を達成する。
  論文  参考訳（メタデータ） (2022-06-14T13:22:19Z)
• FPCR-Net: Feature Pyramidal Correlation and Residual Reconstruction for Optical Flow Estimation [72.41370576242116]
  フレーム対からの光フロー推定のための半教師付き特徴ピラミッド相関・残留再構成ネットワーク(FPCR-Net)を提案する。 ピラミッド相関マッピングと残留再構成の2つの主要なモジュールで構成されている。 実験結果から,提案手法は,平均終点誤差 (AEE) に対して0.80, 1.15, 0.10の改善を達成し,最先端性能を実現していることがわかった。
  論文  参考訳（メタデータ） (2020-01-17T07:13:51Z)

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。