論文の概要: PhasorNet: Learning Structure from Frequency for Real-Time Stereo Matching

• arxiv url: http://arxiv.org/abs/2608.29819v1
• Date: Sun, 30 Aug 2026 14:41:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.084531
• Title: PhasorNet: Learning Structure from Frequency for Real-Time Stereo Matching
• Title（参考訳）: PhasorNet: リアルタイムステレオマッチングのための周波数からの学習構造
• Abstract要約: PhasorNetは、周波数領域キューによる幾何学的識別を促進する強力なフレームワークである。 PhasorNetは5.3Mのパラメータしか持たず、挑戦的なETH3Dベンチマークで最先端のパフォーマンスを達成した。
• 参考スコア（独自算出の注目度）: 21.209111801863546
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate stereo matching remains challenging in ill-posed regions such as fine structures, reflective, or transparent objects, where appearance cues are often ambiguous or unreliable. To tackle this, we propose PhasorNet, a lightweight yet powerful framework that boosts geometric discrimination via frequency-domain cues. At its core, the Phase-Augmented Transformer (PAT) injects Fourier-derived phase information into the attention mechanism, yielding photometrically robust, structure-preserving features that prioritize structural consistency in difficult areas. Additionally, we develop a Geometry-Context Fusion Refinement Module (GCFRM) that combines a full-resolution convolutional stream with a lightweight attention-based stream (leveraging WQA and CDGA blocks) to efficiently preserve fine details and object boundaries without excessive overhead. Training is further enhanced by a multi-scale Edge-guided High-Error Region (EHR) loss that adaptively focuses optimization on high-error and edge regions, guiding hierarchical cost volume refinement. With only 5.3M parameters, PhasorNet achieves state-of-the-art performance on the challenging ETH3D benchmark while exhibiting excellent cross-domain generalization on KITTI, delivering an efficient and practical solution for accurate real-time stereo matching.
• Abstract（参考訳）: 精密なステレオマッチングは、細かな構造、反射、透明な物体など、しばしば不明瞭で信頼性の低い領域で依然として困難である。 そこで本稿では,周波数領域による幾何学的識別を促進する軽量で強力なフレームワークであるPhasorNetを提案する。 位相増幅変換器(PAT)は、アテンション機構にフーリエから派生した位相情報を注入し、困難な領域における構造的一貫性を優先する光学的に堅牢な構造保存特性を与える。 さらに,全解像度の畳み込みストリームと軽量な注目ストリーム(WQAとCDGAブロックを平均化する)を組み合わせたGeometry-Context Fusion Refinement Module (GCFRM)を開発した。 マルチスケールエッジ誘導高エラー領域(EHR)の損失により、高エラー領域とエッジ領域の最適化に適応的に焦点を合わせ、階層的なコストボリューム改善を導くことにより、トレーニングはさらに強化される。 PhasorNetは5.3Mのパラメータしか持たず、挑戦的なETH3Dベンチマークで最先端のパフォーマンスを実現し、KITTI上で優れたクロスドメインの一般化を示し、正確なリアルタイムステレオマッチングのための効率的で実用的なソリューションを提供する。

関連論文リスト

• SGFormer: Structure-Guided Transformer for Robust Local Feature Matching [0.0]
  局所的特徴マッチングはフォトグラムメトリーの基本的な構成要素である。 重なり合う領域における有意な構造に近い特徴に対する注意を適応的に更新する構造対応マッチングネットワークであるSGFormerを提案する。 広汎な実験により,SGFormerは注意分散を著しく軽減し,マッチング精度を向上することが示された。
  論文  参考訳（メタデータ） (2026-08-04T10:14:16Z)
• Fourier-RWKV: A Multi-State Perception Network for Efficient Image Dehazing [26.57698394898644]
  マルチステート・パーセプション・パラダイムに基づく新しい脱ハージング・フレームワークを提案する。 Fourier-RWKVはさまざまなヘイズシナリオにまたがって最先端のパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2025-12-09T01:35:56Z)
• Enhancing Floor Plan Recognition: A Hybrid Mix-Transformer and U-Net Approach for Precise Wall Segmentation [0.0]
  本研究では,Mix-TransformerエンコーダとU-Netデコーダを組み合わせたハイブリッドニューラルネットワークMitUNetを紹介する。 我々の手法は精度とリコールのバランスを保ち、正確な境界回復を保証する。 CubiCasa5kデータセットと独自の地域データセットの実験は、構造的に正しいマスクを生成する上でのMitUNetの優位性を示している。
  論文  参考訳（メタデータ） (2025-12-02T04:47:53Z)
• Deep Equilibrium Convolutional Sparse Coding for Hyperspectral Image Denoising [16.405355853358202]
  ハイパースペクトル画像(HSI)はリモートセンシングにおいて重要な役割を果たすが、複雑なノイズパターンによって劣化することが多い。 分解されたHSIの物理的特性の確保は、強靭なHSIの分解に不可欠であり、深層展開法が台頭する。 本研究では,局所的空間スペクトル相関,非局所的空間自己相似性,大域的空間一貫性を統一するDeep Equilibrium Convolutional Sparse Coding(DECSC)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-21T13:35:11Z)
• COXNet: Cross-Layer Fusion with Adaptive Alignment and Scale Integration for RGBT Tiny Object Detection [13.236592868442678]
  マルチモーダル赤緑色サーマル(RGBT)画像における微小物体検出のための新しいフレームワークを提案する。 クロス層核融合モジュールは、セマンティックおよび空間的精度を高めるために、高レベルの可視・低レベルの熱特徴を融合する。 Dynamic Alignment and Scale Refinement Modules corrects cross-modal space misalignment。 GeoShapeの類似度測定は、より優れたローカライゼーションに使用される。
  論文  参考訳（メタデータ） (2025-08-13T06:30:03Z)
• FADPNet: Frequency-Aware Dual-Path Network for Face Super-Resolution [70.61549422952193]
  計算コストの制限による顔超解像(FSR)は未解決の問題である。 既存のアプローチでは、全ての顔のピクセルを等しく扱い、計算資源を最適以下に割り当てる。 本稿では、低周波成分と高周波成分に顔の特徴を分解する周波数対応デュアルパスネットワークであるFADPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-17T02:33:42Z)
• Latent Wavelet Diffusion For Ultra-High-Resolution Image Synthesis [56.311477476580926]
  超高分解能(2K-4K)画像合成におけるディテールとテクスチャの忠実度を大幅に向上させる軽量トレーニングフレームワークであるLatent Wavelet Diffusion (LWD)を提案する。 LWDはウェーブレットエネルギーマップから導かれる新しい周波数対応マスキング戦略を導入し、潜在空間の詳細な領域にトレーニングプロセスを動的に焦点をあてる。
  論文  参考訳（メタデータ） (2025-05-31T07:28:32Z)
• Breaking Complexity Barriers: High-Resolution Image Restoration with Rank Enhanced Linear Attention [54.42902794496325]
  ソフトマックスアテンションの変種である線形アテンションは、グローバルコンテキストモデリングにおける約束を示す。 軽量な奥行き畳み込みを統合することで特徴表現を充実させる簡易かつ効果的な方法であるRランク拡張線形アテンション(RELA)を提案する。 本稿では,RELA をベースとした画像復元変換器 LAformer を提案する。
  論文  参考訳（メタデータ） (2025-05-22T02:57:23Z)
• CFMD: Dynamic Cross-layer Feature Fusion for Salient Object Detection [7.262250906929891]
  クロス層機能ピラミッドネットワーク(CFPN)は,多層機能融合と境界詳細保存において顕著な進歩を遂げている。 これらの課題に対処するために,CFMDという,2つの重要なイノベーションを取り入れた,新しいクロスレイヤ機能ピラミッドネットワークを提案する。 まず,現在最先端のMambaアーキテクチャを組み込んで動的重み分布機構を構築するコンテキスト認識機能集約モジュール(CFLMA)を設計する。 第2に,分解能回復時に空間的詳細を保存する適応動的アップサンプリングユニット(CFLMD)を導入する。
  論文  参考訳（メタデータ） (2025-04-02T03:22:36Z)
• Distance Weighted Trans Network for Image Completion [52.318730994423106]
  本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
  論文  参考訳（メタデータ） (2023-10-11T12:46:11Z)
• AdaStereo: An Efficient Domain-Adaptive Stereo Matching Approach [50.855679274530615]
  本稿では,AdaStereoというドメイン適応型アプローチを提案する。 我々のモデルは、KITTI、Middlebury、ETH3D、DrivingStereoなど、複数のベンチマークで最先端のクロスドメイン性能を実現している。 提案手法は,様々なドメイン適応設定に対して堅牢であり,迅速な適応アプリケーションシナリオや実環境展開に容易に組み込むことができる。
  論文  参考訳（メタデータ） (2021-12-09T15:10:47Z)
• Asymmetric CNN for image super-resolution [102.96131810686231]
  深層畳み込みニューラルネットワーク(CNN)は、過去5年間で低レベルビジョンに広く適用されています。 画像超解像のための非対称ブロック(AB)、mem?ory拡張ブロック(MEB)、高周波数特徴強調ブロック(HFFEB)からなる非対称CNN(ACNet)を提案する。 我々のACNetは、ブラインドノイズの単一画像超解像(SISR)、ブラインドSISR、ブラインドSISRを効果的に処理できる。
  論文  参考訳（メタデータ） (2021-03-25T07:10:46Z)

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。