論文の概要: SGPDFuse: Semantically-Guided Physics-Disentanglement General Multi-Modal Image Fusion

• arxiv url: http://arxiv.org/abs/2608.29220v1
• Date: Sat, 29 Aug 2026 12:08:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:30.880368
• Title: SGPDFuse: Semantically-Guided Physics-Disentanglement General Multi-Modal Image Fusion
• Title（参考訳）: SGPDFuse:Semantically-Guided Physics-Disentanglement General Multi-Modal Image Fusion
• Abstract要約: マルチモーダル画像融合は、相補的なセンサデータを単一の表現に統合し、本質的なシーンの現実を保存することを目的としている。 本稿では,入力を物理異方構造表現に変換することでギャップを埋めるSGPDFuseを提案する。 SGPDFuseは、赤外線可視、マルチフォーカス、マルチ露光のベンチマークにまたがって、最先端のパフォーマンスを実現する。
• 参考スコア（独自算出の注目度）: 12.582762404188257
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multimodal image fusion (MMIF) aims to integrate complementary sensor data into a single representation that preserves intrinsic scene reality while eliminating environmental interferences. Most existing approaches rely on blind feature aggregation, which excels at signal accumulation but fails to distinguish essential content from physical degradations. We propose SGPDFuse, which bridges this gap by mapping inputs into a physics-disentangled structural representation via a Semantic-Physical Parametric Bridge (SPPB) built on pretrained vision foundation models, utilizing the Intrinsic-Variation principle to decouple invariant scene attributes from transient environmental factors. To guide this decomposition, we introduce a Semantic Alignment mechanism: we explicitly anchor the fused representation to salient semantic features in the same foundation model feature space via cosine similarity to preserve critical targets, while enforcing physical texture fidelity through Gram-matrix regularization to strictly eliminate unnatural artifacts. Extensive experiments demonstrate that SGPDFuse achieves state-of-the-art performance across infrared-visible, multi-focus, and multi-exposure benchmarks using a single architecture.
• Abstract（参考訳）: MMIF(Multimodal Image fusion)は、環境干渉を排除しつつ、固有のシーンの現実を保存する単一の表現に補完センサデータを統合することを目的としている。 既存のアプローチのほとんどは視覚的特徴集約に依存しており、信号の蓄積に優れるが、物理的な劣化と本質的な内容の区別に失敗する。 そこで我々は,SGPDFuseを提案する。SGPDFuseは,事前学習された視覚基盤モデル上に構築されたセマンティック・物理パラメトリック・ブリッジ(SPPB)を介して,入力を物理異方構造表現にマッピングすることで,このギャップを埋める。 この分解を導くために,我々はセマンティックアライメント機構を導入する。我々は,非自然的アーティファクトを厳格に除去するために,グラム行列正則化による物理的テクスチャ忠実度を強制しながら,コサイン類似性を通じて,同じ基礎モデル特徴空間における有意義な意味的特徴への融合表現を明示的に固定する。 広汎な実験により、SGPDFuseは単一のアーキテクチャを用いて、赤外線可視、マルチフォーカス、マルチ露光のベンチマークにまたがる最先端のパフォーマンスを達成している。

関連論文リスト

• Proximity-CLIP: Text-Guided Semantic Proximity Learning for Zero-Shot Anomaly Detection [7.184018933441995]
  ビジョン言語モデルはゼロショット異常検出(ZSAD)に有望なアプローチを提供する 通常のテキストと異常なテキストのプロトタイプは、高いセマンティックオーバーラップを示す。 Proximity-CLIPは視覚的適応を誘導するために意味的マージンを視覚的に校正するフレームワークである。
  論文  参考訳（メタデータ） (2026-09-07T08:48:27Z)
• Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
  カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。 既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。 動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-25T09:57:46Z)
• RIDE: Retinex-Informed Decoupling for Exposing Concealed Objects [13.362481648112444]
  Concealed Object(COS)は、カモフラージュされたオブジェクト検出、ポリプセグメンテーション、透明なオブジェクト検出、産業欠陥検査など、一連の密集した予測タスクを含む。 既存の方法はRGB画像を直接操作するか、スケール/周波数係数をまたいで空間的証拠を再分配する等質分解を用いる。 我々は基本的に異なる視点を導入する:textbfhomogeneous image decomposition via Retinex theory, which factors a image into lightumination and reflectance components in the emphsame space domain。
  論文  参考訳（メタデータ） (2026-05-14T22:19:52Z)
• Better with Less: Tackling Heterogeneous Multi-Modal Image Joint Pretraining via Conditioned and Degraded Masked Autoencoder [34.73963627819185]
  高分解能光合成開口レーダ(SAR)プレトレーニングは、単一ソース表現を相互に強化するために、モダリティの相乗効果を求める。 我々は、アライメントの少ないテキスト・ベッター・シナジーの先駆者であるCoDe-MAEを提案する。 CoDe-MAEは、表現の劣化を防ぎ、多様な単一および双方向の下流タスクにまたがる新しい最先端のパフォーマンスを確立する。
  論文  参考訳（メタデータ） (2026-04-18T10:23:00Z)
• Universal Pansharpening Foundation Model [67.10467574892282]
  高分解能マルチスペクトル(MS)画像は、テクスチャリッチパンクロマティック(PAN)画像と低分解能MS画像からのスペクトル特性から空間的詳細を統合することで生成する。 本稿では,衛星非依存およびシーンロバスト融合のための普遍的パンシャーピング基盤モデルFoundPSを提案する。
  論文  参考訳（メタデータ） (2026-03-04T08:30:15Z)
• TRACER: Texture-Robust Affordance Chain-of-Thought for Deformable-Object Refinement [37.77903164878976]
  TRACER は Texture-Robust Affordance Chain-of- Thought with dEformable-object Refinement framework である。 セマンティック推論から外見が損なわれ、物理的に一貫した機能領域の洗練まで、階層横断的なマッピングを提供する。 Fine-AGDDO15データセットと実世界のロボットプラットフォームで実施された実験は、TRACERが精度を著しく向上することを示した。
  論文  参考訳（メタデータ） (2026-01-28T03:12:18Z)
• Joint Geometry-Appearance Human Reconstruction in a Unified Latent Space via Bridge Diffusion [57.09673862519791]
  本稿では,幾何学と外観のモデリングを結合潜在表現に統一する新しいフレームワークである textbfJGA-LBD を紹介する。 実験により、JGA-LBDは、幾何学的忠実度と外観品質の両方の観点から、現在の最先端アプローチよりも優れていることが示された。
  論文  参考訳（メタデータ） (2026-01-01T12:48:56Z)
• The Prism Hypothesis: Harmonizing Semantic and Pixel Representations via Unified Autoencoding [82.53463660564933]
  セマンティックエンコーダは、主に抽象的意味を符号化する低周波成分をキャプチャするが、ピクセルエンコーダは微細な詳細を伝達する高周波情報を保持する。 本稿では,新しい周波数帯域変調器を用いて意味構造と画素の詳細を調和させるモデルであるUnified Autoencoding (UAE)を提案する。
  論文  参考訳（メタデータ） (2025-12-22T18:59:57Z)
• Manifold-aware Representation Learning for Degradation-agnostic Image Restoration [135.90908995927194]
  画像復元(IR)は、ノイズ、ぼかし、迷路、雨、低照度といった様々な汚職に影響を受ける劣化した入力から高品質な画像を復元することを目的としている。 我々は、入力特徴空間を3つのセマンティックに整列した並列分岐に明示的に分解する1つのIRにおいて、すべてに統一されたフレームワークであるMIRAGEを提案する。 このモジュラ分解は、多種多様な分解の一般化と効率を大幅に改善する。
  論文  参考訳（メタデータ） (2025-05-24T12:52:10Z)
• AuxDet: Auxiliary Metadata Matters for Omni-Domain Infrared Small Target Detection [49.81255045696323]
  補助メタデータ駆動型赤外小型ターゲット検出器(AuxDet)について述べる。 AuxDetはメタデータセマンティクスと視覚的特徴を統合し、各サンプルに対する適応表現学習を導く。 挑戦的なWideIRSTD-Fullベンチマークの実験は、AuxDetが一貫して最先端のメソッドより優れていることを示した。
  論文  参考訳（メタデータ） (2025-05-21T07:02:05Z)
• ZoomNeXt: A Unified Collaborative Pyramid Network for Camouflaged Object Detection [70.11264880907652]
  最近のオブジェクト(COD)は、現実のシナリオでは極めて複雑で難しい、視覚的にブレンドされたオブジェクトを周囲に分割しようと試みている。 本研究では,不明瞭な画像を観察したり,ズームインしたりアウトしたりする際の人間の行動を模倣する,効果的な統合協調ピラミッドネットワークを提案する。 我々のフレームワークは、画像とビデオのCODベンチマークにおいて、既存の最先端の手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2023-10-31T06:11:23Z)

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。