論文の概要: MIMONet: Multi-scale Input and Multi-scale Output Network for Salient Object Detection

• arxiv url: http://arxiv.org/abs/2608.25733v1
• Date: Wed, 26 Aug 2026 12:46:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.826079
• Title: MIMONet: Multi-scale Input and Multi-scale Output Network for Salient Object Detection
• Title（参考訳）: MIMONet: 有能な物体検出のためのマルチスケール入力およびマルチスケール出力ネットワーク
• Abstract要約: サリエンシ検出のための既存の方法は、マルチレベル機能の適用に重点を置いている。 異なるサイズのオブジェクトに対するモデルの認識能力を向上させるために,MIMONET(Multi-scale Input and Multi-scale Output Network)を提案する。
• 参考スコア（独自算出の注目度）: 68.66589458673157
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The existing methods for saliency detection task focus on the application of multi-level features, aiming to take advantage of the respective strengths of high- and low-level features. However, because the inputs of these models are single-size images, their multi-level features have difficulty in learning the knowledge of size variations of salient objects. Object-scale variation learning has great potential for detecting multi-scale objects, which has not been fully explored by existing methods. To improve the recognition ability of a model for objects with different sizes, we are inspired by the image pyramid to propose a Multi-scale Input and Multi-scale Output Network (MIMONet). In MIMONet, we extract multi-level features for three images with different resolutions to form three encoder branches, and information will be exchanged between the branches. The advantage of this approach is that the features of one branch can learn the knowledge of target size variation from the features of the other two branches. In addition, we design a Multi-scale Perception (MSP) module, in which the input feature layer is divided into several sub-layers with different resolutions. Capturing the multi-level structure information of the objects in these sub-layers can make the objects more fully perceived. For network training, we propose a Joint Saliency Loss (JSL), which can constrain multiple saliency maps output by the network to identify the same foreground objects, and induce their boundaries to be preserved clearly. Experimental results show that MIMONet has stronger detection capabilities and harvests better evaluation scores on multiple datasets compared to existing models. The code of our model will be released.
• Abstract（参考訳）: 既存手法では,高次特徴と低次特徴のそれぞれの長所を活用することを目的として,多次特徴の応用に重点を置いている。 しかし、これらのモデルの入力は単一サイズ画像であるため、それらのマルチレベル特徴は、有能な物体のサイズ変化の知識を学ぶのに困難である。 オブジェクトスケールの変動学習は、既存の手法では十分に研究されていないマルチスケールオブジェクトを検出する大きな可能性を秘めている。 異なる大きさのオブジェクトに対するモデルの認識能力を向上させるため,画像ピラミッドに着想を得て,MIMONET(Multi-scale Input and Multi-scale Output Network)を提案する。 MIMONetでは、異なる解像度の3つの画像に対して多重レベルの特徴を抽出し、3つのエンコーダブランチを生成し、各ブランチ間で情報交換を行う。 このアプローチの利点は、あるブランチの特徴は、他の2つのブランチの特徴からターゲットサイズの変化の知識を学ぶことができることである。 さらに,マルチスケール・パーセプション(MSP)モジュールを設計し,入力特徴層を異なる解像度のサブ層に分割する。 これらのサブレイヤ内のオブジェクトのマルチレベル構造情報をキャプチャすることで、オブジェクトをより完全に認識することができる。 ネットワークトレーニングにおいて,ネットワークが出力する複数の空力マップを制約して,同じ前景オブジェクトを識別し,その境界を正確に保存する,共同空力損失(JSL)を提案する。 実験の結果,MIMONetは検出能力が強く,既存のモデルと比較して,複数のデータセットに対する評価スコアが向上していることがわかった。 私たちのモデルのコードはリリースされます。

関連論文リスト

• SM3Det: A Unified Model for Multi-Modal Remote Sensing Object Detection [79.58755811919366]
  本稿では,リモートセンシングのためのマルチモーダルデータセットとマルチタスクオブジェクト検出(M2Det)という新しいタスクを提案する。 水平方向または指向方向の物体を、あらゆるセンサーから正確に検出するように設計されている。 この課題は、1)マルチモーダルモデリングの管理に関わるトレードオフ、2)マルチタスク最適化の複雑さに起因する。
  論文  参考訳（メタデータ） (2024-12-30T02:47:51Z)
• HSVLT: Hierarchical Scale-Aware Vision-Language Transformer for Multi-Label Image Classification [15.129037250680582]
  厳密な視覚-言語相互作用は、分類性能を改善する上で重要な役割を担っている。 近年のTransformerベースの手法は,マルチラベル画像分類において大きな成功を収めている。 本稿では,2つの魅力ある設計を持つ階層型視標変換器 (HSVLT) を提案する。
  論文  参考訳（メタデータ） (2024-07-23T07:31:42Z)
• SCA-PVNet: Self-and-Cross Attention Based Aggregation of Point Cloud and Multi-View for 3D Object Retrieval [8.74845857766369]
  大規模データセットを用いた多モード3Dオブジェクト検索はめったに行われない。 本稿では,3次元オブジェクト検索のための点群と多視点画像の自己・横断的アグリゲーションを提案する。
  論文  参考訳（メタデータ） (2023-07-20T05:46:32Z)
• Hierarchical Point Attention for Indoor 3D Object Detection [111.04397308495618]
  本研究は、点ベース変圧器検出器の汎用階層設計として、2つの新しい注意操作を提案する。 まず、よりきめ細かい特徴学習を可能にするために、シングルスケールの入力機能からマルチスケールトークンを構築するマルチスケール注意(MS-A)を提案する。 第2に,適応型アテンション領域を持つサイズ適応型ローカルアテンション(Local-A)を提案する。
  論文  参考訳（メタデータ） (2023-01-06T18:52:12Z)
• Multistep feature aggregation framework for salient object detection [0.0]
  本稿では,有能な物体検出のための多段階特徴集約フレームワークを提案する。 Diverse Reception (DR) モジュール、Multiscale Interaction (MSI) モジュール、Feature Enhancement (FE) モジュールの3つのモジュールで構成されている。 6つのベンチマークデータセットの実験結果は、MSFAが最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2022-11-12T16:13:16Z)
• A Simple Baseline for Multi-Camera 3D Object Detection [94.63944826540491]
  周囲のカメラで3Dオブジェクトを検出することは、自動運転にとって有望な方向だ。 マルチカメラオブジェクト検出のための簡易ベースラインであるSimMODを提案する。 我々は, nuScenes の3次元オブジェクト検出ベンチマークにおいて, SimMOD の有効性を示す広範囲な実験を行った。
  論文  参考訳（メタデータ） (2022-08-22T03:38:01Z)
• Multi-level Second-order Few-shot Learning [111.0648869396828]
  教師付きまたは教師なしの少数ショット画像分類と少数ショット動作認識のためのマルチレベル2次数列学習ネットワーク(MlSo)を提案する。 我々は、パワーノーマライズされた二階学習者ストリームと、複数のレベルの視覚的抽象化を表現する機能を組み合わせた、いわゆる2階学習者ストリームを活用している。 我々は,Omniglot, mini-ImageNet, tiered-ImageNet, Open MIC, CUB Birds, Stanford Dogs, Cars, HMDB51, UCF101, mini-MITなどのアクション認識データセットなどの標準データセットに対して,優れた結果を示す。
  論文  参考訳（メタデータ） (2022-01-15T19:49:00Z)
• w-Net: Dual Supervised Medical Image Segmentation Model with Multi-Dimensional Attention and Cascade Multi-Scale Convolution [47.56835064059436]
  医療画像中の小物体の正確なセグメンテーションを予測するために, カスケード型マルチスケール畳み込みを用いた多次元アテンションセグメンテーションモデルを提案する。 提案手法は, KiTS19, Decathlon-10 の Pancreas CT, MICCAI 2018 LiTS Challenge の3つのデータセットを用いて評価した。
  論文  参考訳（メタデータ） (2020-11-15T13:54:22Z)
• Multi-scale Interactive Network for Salient Object Detection [91.43066633305662]
  本稿では,隣接レベルからの機能を統合するためのアグリゲート・インタラクション・モジュールを提案する。 より効率的なマルチスケール機能を得るために、各デコーダユニットに自己相互作用モジュールを埋め込む。 5つのベンチマークデータセットによる実験結果から,提案手法は後処理を一切行わず,23の最先端手法に対して良好に動作することが示された。
  論文  参考訳（メタデータ） (2020-07-17T15:41:37Z)
• DFNet: Discriminative feature extraction and integration network for salient object detection [6.959742268104327]
  畳み込みニューラルネットワークを用いた唾液度検出における課題の2つの側面に焦点をあてる。 第一に、様々な大きさに有能な物体が現れるため、単一スケールの畳み込みは適切な大きさを捉えない。 第二に、マルチレベル機能の使用は、モデルがローカルコンテキストとグローバルコンテキストの両方を使用するのに役立つ。
  論文  参考訳（メタデータ） (2020-04-03T13:56:41Z)

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。