論文の概要: PICANet: Physics-Informed Cascaded Asymmetric Network for Infrared Small Target Detection

• arxiv url: http://arxiv.org/abs/2609.07515v1
• Date: Mon, 07 Sep 2026 14:01:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-12 00:06:06.635109
• Title: PICANet: Physics-Informed Cascaded Asymmetric Network for Infrared Small Target Detection
• Title（参考訳）: PICANet:赤外線小ターゲット検出のための物理インフォームドカスケード非対称ネットワーク
• Abstract要約: 赤外線小目標検出(ISTD)は画像処理において重要な研究方向である。 既存の手法は、重度の背景雑音伝搬と高レベルの意味的特徴の目標劣化によって制限される。 本稿では,PICANetという,プラグアンドプレイの物理インフォームド・カスケード非対称ネットワークを提案する。
• 参考スコア（独自算出の注目度）: 18.422983137700392
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Infrared small target detection (ISTD) is an important research direction in image processing. However, existing methods are limited by severe background noise propagation and target degradation in high-level semantic features. To address these limitations, this paper proposes a plug-and-play physics-informed cascaded asymmetric network, named PICANet. Specifically, we construct a hierarchical prior decoupling module to explicitly extract low-level and high-level physical information, thereby characterizing target features at different levels rather than relying solely on convolutional extraction. Furthermore, a dual-prior interactive fusion module is developed to dynamically refine target representations while suppressing complex background clutter. Unlike previous work, a multi-level cross-feature attention module with the cascaded asymmetric mechanism is introduced to achieve precise alignment between high-level semantics and low-level spatial details. Extensive experiments demonstrate that the proposed PICANet outperforms state-of-the-art ISTD methods, showing satisfactory detection accuracy even against complex backgrounds. Our code is available at https://github.com/xianchaoxiu/PICANet.
• Abstract（参考訳）: 赤外線小目標検出(ISTD)は画像処理において重要な研究方向である。 しかし,既存の手法は,重度背景雑音伝搬と高レベルの意味的特徴の目標劣化によって制限されている。 これらの制約に対処するために,PICANet という,プラグアンドプレイの物理インフォームド・カスケード型非対称ネットワークを提案する。 具体的には、階層的な事前疎結合モジュールを構築し、低レベルおよび高レベルな物理情報を明示的に抽出し、畳み込み抽出のみに頼るのではなく、異なるレベルのターゲット特徴を特徴付ける。 さらに、複雑な背景クラッタを抑えつつ、ターゲット表現を動的に洗練するデュアルプライア対話型融合モジュールを開発した。 従来の研究とは異なり、高レベルのセマンティクスと低レベルの空間的詳細を正確に整合させるために、カスケード非対称機構を持つ多層クロスフィーチャーアテンションモジュールが導入された。 広汎な実験により,提案したPICANetは最先端のISTD法より優れており,複雑な背景に対しても良好な検出精度を示している。 私たちのコードはhttps://github.com/xianchaoxiu/PICANet.comから入手可能です。

関連論文リスト

• LCPNet: Latent Consistent Proximal Unfolding Network for Infrared Small Target Detection [50.3892176822492]
  赤外線小目標検出(IRSTD)は、複雑な赤外背景から長距離小目標を特定することを目的としている。 深層学習法は、識別的画像-マスクマッピングを学習することでIRSTDを改善した。 深層展開法は、モデル駆動イテレーションをニューラルネットワークに埋め込むことによって、この問題に部分的に対処する。 これらの制約に対処するために,Latent Consistent Proximal Unfolding Network (LCPNet)を提案する。
  論文  参考訳（メタデータ） (2026-07-06T02:15:09Z)
• FSGNet: A Frequency-Aware and Semantic Guidance Network for Infrared Small Target Detection [9.669351353574323]
  IRSTDは、複雑な背景から小さなターゲットを識別し、識別することを目的としている。 U-Netは、深い層から浅い層へ高レベルの機能を転送する際のセマンティックな劣化に悩まされている。 本稿では,周波数認識と意味誘導を組み込んだ軽量かつ効果的な検出フレームワークFSGNetを提案する。
  論文  参考訳（メタデータ） (2026-03-26T12:38:29Z)
• IoUCert: Robustness Verification for Anchor-based Object Detectors [58.35703549470485]
  IoUCertは、アンカーベースのオブジェクト検出アーキテクチャにおいて、これらのボトルネックを克服するために設計された、新しい形式的検証フレームワークである。 本手法は, SSD, YOLOv2, YOLOv3など, 現実的なアンカーベースモデルの各種入力摂動に対するロバスト性検証を可能にする。
  論文  参考訳（メタデータ） (2026-03-03T14:36:46Z)
• Beyond Motion Cues and Structural Sparsity: Revisiting Small Moving Target Detection [5.375165101682048]
  小型移動目標検出は、多くの防衛用途に不可欠である。 しかし、低信号対雑音比、曖昧な視覚的手がかり、乱雑な背景のため、非常に困難である。 本稿では,既存のアプローチと根本的に異なる新しいディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-09T12:20:25Z)
• RPCANet++: Deep Interpretable Robust PCA for Sparse Object Segmentation [51.37553739930992]
  RPCANet++は、RPCAの解釈可能性と効率的なディープアーキテクチャを融合したスパースオブジェクトセグメンテーションフレームワークである。 我々のアプローチは、緩やかなRPCAモデルを背景近似モジュール(BAM)、対象抽出モジュール(OEM)、画像復元モジュール(IRM)からなる構造化ネットワークに展開する。 さまざまなデータセットの実験では、RPCANet++がさまざまなイメージングシナリオの下で最先端のパフォーマンスを達成することが示されている。
  論文  参考訳（メタデータ） (2025-08-06T08:19:37Z)
• SDS-Net: Shallow-Deep Synergism-detection Network for infrared small target detection [0.18641315013048293]
  現在のCNNに基づく赤外小目標検出法は,浅部特徴と深部特徴の均一性を見落としている。 依存関係の関係と融合機構は、マルチレベル機能の相補性を十分に活用できない。 本稿では,マルチレベル特徴表現を効率的にモデル化する浅層深度相乗効果検出ネットワーク(SDS-Net)を提案する。
  論文  参考訳（メタデータ） (2025-06-06T12:44:41Z)
• DISTA-Net: Dynamic Closely-Spaced Infrared Small Target Unmixing [55.366556355538954]
  本稿では,動的フレームワーク内で従来のスパース再構築を再現する動的反復収縮閾値ネットワーク(DISTA-Net)を提案する。 DISTA-Netは、密接な空間を持つ赤外線小ターゲットのアンミックスのために特別に設計された最初のディープラーニングモデルである。 私たちはこの分野におけるさらなる研究を促進するために、最初のオープンソースエコシステムを確立しました。
  論文  参考訳（メタデータ） (2025-05-25T13:52:00Z)
• Multi-Scale Direction-Aware Network for Infrared Small Target Detection [2.661766509317245]
  赤外小目標検出は、背景とターゲットを効果的に分離することが難しい問題に直面している。 我々は、赤外線小ターゲットの高周波方向特徴を統合するためのマルチスケール方向対応ネットワーク(MSDA-Net)を提案する。 MSDA-Netは、パブリックNUDT-SIRST、SIRST、IRSTD-1kデータセット上で、最先端(SOTA)結果を達成する。
  論文  参考訳（メタデータ） (2024-06-04T07:23:09Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• Depthwise Non-local Module for Fast Salient Object Detection Using a Single Thread [136.2224792151324]
  本稿では,高速な物体検出のための新しいディープラーニングアルゴリズムを提案する。 提案アルゴリズムは,1つのCPUスレッドと同時に,競合精度と高い推論効率を実現する。
  論文  参考訳（メタデータ） (2020-01-22T15:23:48Z)

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。