論文の概要: RGB-to-IR image translation for infrared vehicle detection in unseen UAV domains

• arxiv url: http://arxiv.org/abs/2609.02556v1
• Date: Wed, 02 Sep 2026 13:06:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.340453
• Title: RGB-to-IR image translation for infrared vehicle detection in unseen UAV domains
• Title（参考訳）: 見えないUAV領域における赤外線車両検出のためのRGB-to-IR画像変換
• Abstract要約: 本研究は、近代的な生成トランスレータが、このクロスモーダルギャップを克服し、見えないUAVターゲット領域における赤外線車両検出を改善することができるかどうかを考察する。 トランスレータは、ペア化されたRGB-IRソースデータセットでトレーニングされ、保持されたターゲットデータセットからのRGBトレーニングイメージに適用され、合成IRデータを生成する。 合成IR画像はRF-DETR車両検出器の訓練に使用され、これは5つの航空データセットにまたがる未確認のIRターゲットテストの分割に基づいて評価される。
• 参考スコア（独自算出の注目度）: 0.6475189298553835
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Synthetic training data is crucial for developing vision AI when real-world data is scarce, as in thermal infrared (IR) aerial vehicle detection. While abundant UAV RGB imagery motivates RGB-to-IR translation for data augmentation, unobservable thermal traits (e.g., engine heat) make learning transferable mappings challenging. This work investigates whether modern generative translators can overcome this cross-modal gap to improve infrared vehicle detection on unseen UAV target domains. Translators are trained on paired RGB-IR source datasets and applied to RGB training images from held-out target datasets to generate synthetic IR data. Evaluated methods include supervised GANs, ControlNet-based diffusion models, and foundation-model editing via LoRA. The resulting synthetic IR imagery is used to train RF-DETR vehicle detectors, which are evaluated on unseen IR target test splits across five aerial datasets, with Kust4K and VTUAV serving as target domains. Synthetic IR consistently outperforms RGB and grayscale baselines. Stable Diffusion 3.5 with ControlNet yields the best results, improving mAP from 50.8 to 60.1 on Kust4K and from 25.6 to 38.4 on VTUAV compared to models trained only on source-domain IR data. Increasing output diversity via multiple seeds (+1.1 mAP) and prompt variations (+3.3 mAP) provides additional gains on VTUAV. Although a performance gap to real target IR data remains, generative RGB-to-IR translation effectively mitigates IR data scarcity and improves cross-domain aerial vehicle detection.
• Abstract（参考訳）: 合成トレーニングデータは、赤外線(IR)航空機検出のように、実世界のデータが不足している場合に視覚AIを開発するために不可欠である。 豊富なUAV RGB画像は、データ拡張のためのRGB-to-IR変換を動機付けているが、観測不能な熱特性(例えばエンジン熱)は、学習可能なマッピングを困難にしている。 本研究は、近代的な生成翻訳者が、この横断的ギャップを克服し、見えないUAVターゲット領域における赤外線車両検出を改善することができるかどうかを考察する。 トランスレータは、ペア化されたRGB-IRソースデータセットでトレーニングされ、保持されたターゲットデータセットからのRGBトレーニングイメージに適用され、合成IRデータを生成する。 評価手法には、教師付きGAN、コントロールネットベースの拡散モデル、LoRAによる基礎モデル編集などがある。 合成IR画像はRF-DETR車両検出器の訓練に使用され、これは5つの航空データセットにまたがる未確認IR目標テストの分割に基づいて評価され、Kust4KとVTUAVがターゲットドメインとして機能する。 合成IRは、RGBとグレースケールのベースラインを一貫して上回る。 ControlNetを使用した安定拡散3.5は、ソースドメインのIRデータでのみ訓練されたモデルと比較して、Kust4Kでは50.8から60.1に、VTUAVでは25.6から38.4に改善された。 複数の種子(+1.1 mAP)と急変(+3.3 mAP)による出力の多様性の増大は、VTUAVにさらなる利益をもたらす。 実際のIRデータに対する性能差は残るが、生成RGB-to-IR変換は、IRデータの不足を効果的に軽減し、領域横断航空機の検出を改善する。

関連論文リスト

• Toward Robust and 3D-Aware RGB-NIR Imaging in the Dark [68.49637363691325]
  本稿では,RGB-NIR低照度画像に3次元ニューラルモデリングを取り入れた新しい視点を提供する。 強力なモデルは、暗黙的に非常にノイズの多いRGB観測を3次元空間でNIRキューで融合させ、クリーンなRGBイメージを効果的に回収するために最適化することができる。
  論文  参考訳（メタデータ） (2026-07-31T17:59:18Z)
• InfraNet: Quality-Aware RGB Guidance for Efficient Infrared Object Detection [31.00284151416272]
  InfraNetは、トレーニング中のRGBガイダンスを規制し、柔軟なRGB--IRまたはIR-onlyデプロイメントをサポートする品質対応フレームワークである。 提案手法は,4つのベンチマークデータセット(LLVIP,FLIR-Aligned,M$3$FD,DroneVehicle)の広範な実験により評価される。
  論文  参考訳（メタデータ） (2026-07-04T09:49:53Z)
• TherA: Thermal-Aware Visual-Language Prompting for Controllable RGB-to-Thermal Infrared Translation [12.591408054941027]
  TherAは制御可能なRGB-to-TIR翻訳フレームワークで、シーンレベルでもオブジェクトレベルでも多彩で熱可塑性の画像を生成する。 TherAは最先端の翻訳性能を実現し、ゼロショット翻訳性能が改善された。
  論文  参考訳（メタデータ） (2026-02-23T01:56:29Z)
• Few-Shot LoRA Adaptation of a Flow-Matching Foundation Model for Cross-Spectral Object Detection [0.726437825413781]
  ビジョンの基礎モデルは、主にRGBデータに基づいて訓練されている。 多くの安全クリティカルなアプリケーションは赤外線(IR)や合成開口レーダ(SAR)のような非可視モードに依存している。 本稿では,主にRGB画像上で事前学習した単一フローマッチング基盤モデルを,クロススペクトル変換器として再利用できるかどうかを考察する。
  論文  参考訳（メタデータ） (2026-01-07T20:41:26Z)
• IrisNet: Infrared Image Status Awareness Meta Decoder for Infrared Small Targets Detection [92.56025546608699]
  IrisNetは、入力赤外線画像ステータスに検出戦略を適用する、新しいメタ学習フレームワークである。 提案手法は,赤外線画像特徴量とデコーダパラメータ全体の動的マッピングを確立する。 NUDT-SIRST、NUAA-SIRST、IRSTD-1Kデータセットの実験は、我々のIrisNetの優位性を示している。
  論文  参考訳（メタデータ） (2025-11-25T13:53:54Z)
• SAGA: Semantic-Aware Gray color Augmentation for Visible-to-Thermal Domain Adaptation across Multi-View Drone and Ground-Based Vision Systems [1.891522135443594]
  ドメイン適応型熱オブジェクト検出は、可視(RGB)から熱(IR)への適応を促進する上で重要な役割を果たす。 色やテクスチャの手がかりの欠如など、赤外線画像の固有の制限は、RGB訓練されたモデルに課題をもたらす。 本稿では,カラーバイアスを緩和し,領域ギャップを埋めるための新しい戦略であるセマンティック・アウェア・グレイカラー拡張(SAGA)を提案する。
  論文  参考訳（メタデータ） (2025-04-22T09:22:11Z)
• Multi-Domain Biometric Recognition using Body Embeddings [51.36007967653781]
  身体埋め込みは中波長赤外線(MWIR)領域と長波長赤外線(LWIR)領域の顔埋め込みよりも優れていた。 我々は、IJB-MDFデータセット上でのベンチマーク結果を確立するために、ビジョントランスフォーマーアーキテクチャを活用している。 また, クロスエントロピーとトリプルト損失の単純な組み合わせで, VISデータにのみ事前訓練された体モデルを微調整することで, 最先端のmAPスコアが得られることを示す。
  論文  参考訳（メタデータ） (2025-03-13T22:38:18Z)
• Bringing RGB and IR Together: Hierarchical Multi-Modal Enhancement for Robust Transmission Line Detection [67.02804741856512]
  高速かつ高精度なTL検出のために,RGBとIRデータを統合したHMMEN(Hierarchical Multi-Modal Enhancement Network)を提案する。 提案手法では,(1)階層的RGBおよびIR特徴写像を大まかに融合・拡張するMMEB,(2)デコーダ出力とIR特徴写像の不整合を変形可能な畳み込みを利用して補正するFAB,の2つの重要な構成要素を紹介する。
  論文  参考訳（メタデータ） (2025-01-25T06:21:06Z)
• Progressive Domain Adaptation for Thermal Infrared Object Tracking [9.888266596236578]
  本稿では,TIR追跡のためのプログレッシブドメイン適応フレームワークを提案する。 このフレームワークは、大規模なTIRデータの時間と労働集約的なラベル付けを必要とせずに、大規模ラベル付きRGBデータセットをフル活用する。 5つのTIR追跡ベンチマーク実験の結果,提案手法は6%近い成功率を示し,その有効性を示した。
  論文  参考訳（メタデータ） (2024-07-28T08:43:16Z)
• SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised Learning for Robust Infrared Small Target Detection [53.19618419772467]
  単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。 Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。 赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
  論文  参考訳（メタデータ） (2024-03-08T16:14:54Z)
• Drone-based RGB-Infrared Cross-Modality Vehicle Detection via Uncertainty-Aware Learning [59.19469551774703]
  ドローンによる車両検出は、空中画像中の車両の位置とカテゴリーを見つけることを目的としている。 我々はDroneVehicleと呼ばれる大規模ドローンベースのRGB赤外線車両検出データセットを構築した。 私たちのDroneVehicleは28,439RGBの赤外線画像を収集し、都市道路、住宅地、駐車場、その他のシナリオを昼から夜までカバーしています。
  論文  参考訳（メタデータ） (2020-03-05T05:29:44Z)

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。