論文の概要: SPLG-Mamba: Structure-Preserving Local-Global Mamba Network for Salient Object Detection in Optical Remote Sensing Images

• arxiv url: http://arxiv.org/abs/2608.29626v1
• Date: Sun, 30 Aug 2026 07:38:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.025324
• Title: SPLG-Mamba: Structure-Preserving Local-Global Mamba Network for Salient Object Detection in Optical Remote Sensing Images
• Title（参考訳）: SPLG-Mamba:光リモートセンシング画像における有能な物体検出のための構造保存ローカル・グローバル・マンバネットワーク
• Authors: Yi Xu, Ruichao Hou, Tongwei Ren, Gangshan Wu,
• Abstract要約: 既存の手法はしばしば塩分地域を局在させるが、その予測は依然として構造劣化に悩まされる可能性がある。 ORSI-SODのための構造保存型ローカル・グローバル・マンバネットワークSPLG-Mambaを提案する。 ORSSD、EORSSD、ORSI-4199の実験は、最先端の結果を示し、構造的完全性と連続性を改善した。
• 参考スコア（独自算出の注目度）: 40.10911101502631
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Salient object detection in optical remote sensing images (ORSI-SOD) requires dense predictions that preserve object completeness and structural continuity under complex backgrounds, scale variation, and irregular object shapes. Existing methods often localize salient regions, but their predictions may still suffer from structural degradation, including fragmented, incomplete, or locally missing foreground responses. This degradation is closely related to hierarchical feature propagation, where shallow details can introduce texture-induced background responses, deep semantics may over-smooth weak structures, and uncontrolled cross-scale fusion can disturb coherent regions. To address this issue, we propose a novel Structure-Preserving Local-Global Mamba Network, SPLG-Mamba, for ORSI-SOD. Specifically, SPLG-Mamba integrates Smooth-Detail Recalibration (SDR), hierarchy-aware Local-Global Mamba, and Gated Cross-Scale Fusion (GCSF). SDR recalibrates smoothed responses and detail residuals before state-space modeling, Local-Global Mamba assigns local modeling to shallow feature levels and global modeling to deep feature levels, and GCSF controls cross-scale detail injection during decoding. Experiments on ORSSD, EORSSD, and ORSI-4199 demonstrate state-of-the-art results and improved structural completeness and continuity. The code is available at https://github.com/yxu9910/SPLG-Mamba
• Abstract（参考訳）: 光リモートセンシング画像(ORSI-SOD)の正当性検出には、複雑な背景、スケールの変動、不規則な物体形状の下での物体の完全性と構造的連続性を保存するための密度の高い予測が必要である。 既存の方法は、しばしば正常な地域を局在させるが、その予測は、断片化、不完全、または局所的に欠落した前景の応答を含む構造的劣化に苦しむ可能性がある。 この劣化は階層的特徴伝播と密接に関連しており、浅い詳細はテクスチャーによって引き起こされる背景反応、深いセマンティクスは過度に滑らかな構造を持ち、制御されていないクロススケール融合はコヒーレントな領域を乱す可能性がある。 そこで本研究では, ORSI-SODのための構造保存型ローカル・グローバル・マンバネットワーク(SPLG-Mamba)を提案する。 具体的には、SPLG-MambaはSmooth-Detail Recalibration (SDR)、階層を意識したLocal-Global Mamba、Gated Cross-Scale Fusion (GCSF)を統合している。 SDRは、状態空間モデリングの前にスムーズな応答と詳細残差を再検討し、Local-Global Mambaは浅い特徴レベルに局所モデリングを割り当て、グローバルなモデリングは深い特徴レベルに割り当て、GCSFはデコード中のクロススケールディテールインジェクションを制御する。 ORSSD、EORSSD、ORSI-4199の実験は、最先端の結果を示し、構造的完全性と連続性を改善した。 コードはhttps://github.com/yxu9910/SPLG-Mambaで入手できる。

関連論文リスト

• Beyond Mamba: Enhancing State-space Models with Deformable Dilated Convolutions for Multi-scale Traffic Object Detection [6.929321171294922]
  本研究では,変形可能なDilated Convolutions Network (MDDCNet) を用いたMambaを提案する。 MDDCNetでは、連続するMambaブロックを持つよく設計されたハイブリッドバックボーンは、局所的な詳細からグローバルな意味論への階層的な特徴表現を可能にする。 The Channel-Enhanced Feed-Forward Network (CE-FFN) is developed to overcome the limited channel interaction capabilities of conventional feed-forward network。
  論文  参考訳（メタデータ） (2026-04-09T09:43:00Z)
• GCRPNet: Graph-Enhanced Contextual and Regional Perception Network for Salient Object Detection in Optical Remote Sensing Images [68.33481681452675]
  本稿では,GCRPNet(Graph-enhanced contextual and Regional Recognition Network)を提案する。 これはMambaアーキテクチャの上に構築され、長距離依存関係を同時にキャプチャし、地域的特徴表現を強化する。 マルチスケールの畳み込みによって処理される特徴マップに対して適応的なパッチスキャンを行い、リッチなローカル領域情報をキャプチャする。
  論文  参考訳（メタデータ） (2025-08-14T11:31:43Z)
• ABS-Mamba: SAM2-Driven Bidirectional Spiral Mamba Network for Medical Image Translation [17.418832788233612]
  ABS-Mambaはオーガニック・アウェア・セマンティックな表現のための新しいアーキテクチャである。 CNNは、モダリティ固有のエッジとテクスチャの詳細を保存する。 効率的な長距離および短距離機能依存のためのMambaの選択的な状態空間モデリング。
  論文  参考訳（メタデータ） (2025-05-12T15:51:15Z)
• SF-Loc: A Visual Mapping and Geo-Localization System based on Sparse Visual Structure Frames [3.5047603107971397]
  SF-Locは軽量なビジュアルマッピングとマップ支援型ローカライゼーションシステムである。 マッピングフェーズでは,多センサ高密度バンドル調整(MS-DBA)を適用し,ジオレファレンスな視覚構造フレームを構築する。 ローカライズフェーズでは、多フレーム情報と地図分布を完全に統合した粗大な視覚に基づくローカライズを行う。
  論文  参考訳（メタデータ） (2024-12-02T13:51:58Z)
• HDMba: Hyperspectral Remote Sensing Imagery Dehazing with State Space Model [9.42497788563994]
  ハイパースペクトルリモートセンシング画像(HSI)のヘイズは、空間的な可視性劣化とスペクトル歪みを引き起こす。 我々は、ウィンドウ内のローカル依存関係をキャプチャする新しいウィンドウ選択スキャンモジュール(WSSM)を開発した。 局所的および大域的スペクトル空間情報フローをモデル化することにより,ハジー領域の包括的解析を実現する。 Gaofen-5 HSIデータセットの実験結果から、HDMbaは他の最先端手法よりも性能が優れていることが示された。
  論文  参考訳（メタデータ） (2024-06-09T08:53:02Z)
• DGMamba: Domain Generalization via Generalized State Space Model [80.82253601531164]
  ドメイン一般化(DG)は、様々な場面における分散シフト問題を解決することを目的としている。 Mambaは、新興状態空間モデル(SSM)として、より優れた線形複雑性と大域的受容場を持つ。 本稿では,DGMamba という新たな DG フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-11T14:35:59Z)

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。