論文の概要: MITE-Net: SWaP-Optimized 4K Video Tiny Target Perception for Embodied Edge SAR

• arxiv url: http://arxiv.org/abs/2608.15830v1
• Date: Sun, 16 Aug 2026 16:02:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.437417
• Title: MITE-Net: SWaP-Optimized 4K Video Tiny Target Perception for Embodied Edge SAR
• Title（参考訳）: MITE-Net:SWaPを最適化した4Kビデオのターゲット認識
• Abstract要約: 高解像度画像におけるリアルタイムの小さな目標認識は、SAR(Search-and-Rescue)ミッションの実施に不可欠である。 本稿では,新しいアーキテクチャ,特殊なデータセット,ハードウェアレベルのベンチマークを含む包括的なフレームワークを紹介する。
• 参考スコア（独自算出の注目度）: 9.484473274465303
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real-time tiny target perception in high-resolution imagery is critical for embodied Search-and-Rescue (SAR) missions. However, strict Size, Weight, and Power (SWaP) constraints on edge devices like UAVs create a bottleneck: traditional image downsampling causes severe feature loss, while slice-based processing incurs prohibitive latency. To address this gap, this paper introduces a comprehensive framework encompassing a novel architecture, specialized datasets, and hardware-level benchmarks. First, we propose MITE-Net, a SWaP-optimized cascaded architecture, which couples a bio-inspired, learning-free Tiny Target Motion-Based Region Proposal Network (TTM-RPN) with a sub-0.14M-parameter R-CNN-like head. Second, to standardize 4K tiny target evaluation, we construct the SAR-Tiny Datasets by relabeling two challenging UAV datasets: SeaDroneSee-Tiny (dynamic maritime scenes, tiny targets predominantly of 64-256 pixels ) and UAVID-Tiny (cluttered urban scenes, extremely tiny targets, less than 64 pixels). Third, we benchmark against state-of-the-art YOLO models on an edge device, NVIDIA Jetson AGX Xavier, where MITE-Net directly processes 4K maritime imagery, achieving a 100\% search success rate at 30.33 FPS. Consuming merely 3.19 W (9.51 FPS/W), MITE-Net vastly outperforms YOLO baselines in target recall and energy efficiency. Conversely, UAVID-Tiny evaluations expose a compound structural limitation: the learning-free bionic front-end struggles against urban backgrounds, while the ultra-lightweight head lacks representational capacity for complex features. Ultimately, this work delivers an efficient onboard perception paradigm and a rigorous baseline guiding future end-to-end SAR architectures.
• Abstract（参考訳）: 高解像度画像におけるリアルタイムの小さな目標認識は、SAR(Search-and-Rescue)ミッションの実施に不可欠である。 しかし、UAVのようなエッジデバイスに対する厳格なサイズ、重量、パワー(SWaP)制限はボトルネックを生み出している。 このギャップに対処するために、新しいアーキテクチャ、特別なデータセット、ハードウェアレベルのベンチマークを含む包括的なフレームワークを提案する。 まず、バイオインスパイアされた学習不要のTiny Target Motion-Based Region Proposal Network(TTM-RPN)と、サブ0.14MパラメータR-CNNのようなヘッドを結合したSWAP最適化カスケードアーキテクチャであるMITE-Netを提案する。 次に,SAR-Tinyデータセットを2つの挑戦的なUAVデータセット,SeaDroneSee-Tiny(動的海洋シーン,64-256ピクセルの小さなターゲット)とUAVID-Tiny(散在する都市シーン,64ピクセル未満の極小ターゲット)で構築する。 第3に、エッジデバイス上の最先端のYOLOモデルであるNVIDIA Jetson AGX Xavierに対してベンチマークを行い、MITE-Netが直接4K海洋画像を処理し、30.33 FPSで100倍の検索成功率を達成した。 わずか3.19 W (9.51 FPS/W)と仮定すると、MITE-Netは目標のリコールとエネルギー効率においてYOLOのベースラインを大きく上回っている。 逆に、UAVID-Tinyの評価は複雑な構造的制限を露呈している: 学習不要のバイオニックフロントエンドは都市背景と戦うが、超軽量ヘッドは複雑な特徴の表現能力に欠ける。 最終的に、この作業は、効率的なオンボード認識パラダイムと、将来のエンドツーエンドSARアーキテクチャを導く厳格なベースラインを提供します。

関連論文リスト

• LCMamNet: A Lightweight Cross-scale Mamba Network for Infrared Small Target Detection [53.811713750107934]
  赤外線小ターゲット検出のための軽量クロススケールマンバネットワークであるLCMamNetを提案する。 十字形指向性ボトルネック残差ブロックを有するコンパクト階層型エンコーダは、指向性ターゲット構造を強化する。 IRSTD-1k、NUAA-SIRST、NUDT-SIRSTの実験では、提案したネットワークがそれぞれ71.25%、79.60%、95.58%のmIoUスコアを達成した。
  論文  参考訳（メタデータ） (2026-07-27T09:06:14Z)
• DepthART: Scaling Foundation Monocular Depth to Tiny Models [51.10174763031444]
  DepthARTは、様々なシーンにまたがるデバイス上のデプロイメントのためのコンパクトなMDEモデルである。 ゼロショット一般化とメートル法精度の両方において、DepthARTが従来の小さなベースラインを一貫して上回っていることを示す。 また、GTX A6000で347/245 FPS (strict FP32)、Orin NX 8GBで2242/4482ドル、102 FPS (TF32)、Jetson Nano 4GBで15 FPS (FP32) に達したスケーラブルなモデルファミリも提供しています。
  論文  参考訳（メタデータ） (2026-07-19T06:54:52Z)
• LocalNav: Distilling Frontier VLMs and Embodied RL for On-Device Object Goal Navigation [53.88286427894783]
  視覚言語モデル(VLM)は、ロボット分野において、言語コンテキストによる環境認識を可能にする強力なツールとして登場した。 しかし、彼らの計算フットプリントは、通常、それらをクラウド実行に制限し、リソースに制約のあるロボットへのローカルなデプロイによる低レイテンシの推論を妨げる。 本稿では,大規模フロンティアモデルからの複雑な空間意味推論を,組み込みGPUデバイス上でエッジ実行を行うための軽量な4BパラメータローカルVLMに転送する蒸留戦略を提案する。
  論文  参考訳（メタデータ） (2026-06-26T09:11:59Z)
• LightAVSeg: Lightweight Audio-Visual Segmentation [67.18006751024687]
  LightAVSegは、セマンティックフィルタリングと空間接地のための分離された設計に置き換わっている。 実験では、軽量メソッド間で新しい最先端を実現することを実証している。 MS3ベンチマークで50.4 mIoUに達し、モバイルプロセッサでの効率的な推論を可能にする。
  論文  参考訳（メタデータ） (2026-05-09T08:47:54Z)
• SDD-YOLO: A Small-Target Detection Framework for Ground-to-Air Anti-UAV Surveillance with Edge-Efficient Deployment [10.723885979419954]
  本稿では,G2A対UAV監視に適した小型ターゲット検出フレームワークであるSDD-YOLOを提案する。 SDD-YOLOは、マイクロターゲットにとって重要な微細な空間的詳細を捉えるため、P2高解像度検出ヘッドを4倍のダウンサンプリングで動作させる。 SDD-YOLO-nはDroneSOD-30Kで86.4%のmAP@0.5を達成し、YOLOv5nベースラインを7.8ポイント上回った。
  論文  参考訳（メタデータ） (2026-03-26T09:17:39Z)
• PiLoT: Neural Pixel-to-3D Registration for UAV-based Ego and Target Geo-localization [26.426290913965456]
  我々は、UAVベースのエゴに取り組み、地理的ローカライゼーションをターゲットとする統合フレームワークPiLoTを提案する。 1)コアローカライゼーションスレッドからマップレンダリングを分離し、低レイテンシとドリフトフリーの精度を保証するデュアルスレッドエンジン。 このデータセットは、シミュレーションから実データへのゼロショット方式で一般化する軽量ネットワークのトレーニングを可能にする。
  論文  参考訳（メタデータ） (2026-03-21T12:08:46Z)
• TY-RIST: Tactical YOLO Tricks for Real-time Infrared Small Target Detection [6.0340092200636475]
  赤外線小目標検出(IRSTD)は、防衛と監視に重要であるが、依然として困難である。 我々は、ストライド対応のバックボーンと微粒な受容場を統合した、最適化されたYOLOv12nアーキテクチャであるTY-RISTを提案する。 4つのベンチマークと20の異なるモデルの実験では、最先端のパフォーマンスを示し、0.5 IoUでmAPを+7.9%、精度を+3%、リコールを+10.2%改善した。
  論文  参考訳（メタデータ） (2025-09-26T20:36:57Z)
• High-Frequency Semantics and Geometric Priors for End-to-End Detection Transformers in Challenging UAV Imagery [6.902247657565531]
  本稿では,空中シーンに適したリアルタイム検出変換器であるHEDS-DETRを紹介する。 まず,高周波数拡張セマンティックスネットワーク(HFESNet)のバックボーンを提案する。 第2に、高分解能特徴を効率的に融合させることにより、情報損失に対処する。 第三に、2つの相乗的成分を用いてデコーダの安定性と位置決め精度を向上させる。
  論文  参考訳（メタデータ） (2025-07-01T14:56:56Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• A Lightweight Target-Driven Network of Stereo Matching for Inland Waterways [24.432957277833562]
  LTNetは軽量なターゲット駆動型ステレオマッチングニューラルネットワークである。 2つのデータセットの実験では、LTNetはわずか3.7Mのパラメータで競合する結果が得られる。
  論文  参考訳（メタデータ） (2024-10-10T13:40:30Z)
• A lightweight and accurate YOLO-like network for small target detection in Aerial Imagery [94.78943497436492]
  小型ターゲット検出のためのシンプルで高速で効率的なネットワークであるYOLO-Sを提案する。 YOLO-SはDarknet20をベースとした小さな特徴抽出器と、バイパスと連結の両方を通じて接続をスキップする。 YOLO-Sはパラメータサイズが87%減少し、約半分のFLOPがYOLOv3となり、低消費電力の産業用アプリケーションに実用化された。
  論文  参考訳（メタデータ） (2022-04-05T16:29:49Z)

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。