論文の概要: DERA: Detached Edge-Residual Adaptation for Prohibited item Detection

• arxiv url: http://arxiv.org/abs/2609.12411v1
• Date: Fri, 11 Sep 2026 04:03:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.615422
• Title: DERA: Detached Edge-Residual Adaptation for Prohibited item Detection
• Title（参考訳）: DERA:禁止項目検出のためのエッジ残差適応
• Abstract要約: X線画像における禁止イテム検出は、物体の重ね合わせ、弱いテクスチャ、物質的乱れによって依然として困難である。 X線画像におけるアイテム検出の禁止を目的としたtextbfDetached textbfEdge-textbfResidual textbfAdaptation フレームワーク textbfDERA を提案する。
• 参考スコア（独自算出の注目度）: 38.57933967151239
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Prohibited-item detection in X-ray imagery remains challenging due to object superposition, weak texture, and material clutter which obscure both semantic appearance and object boundaries. We propose \textbf{DERA}, a \textbf{D}etached \textbf{E}dge-\textbf{R}esidual \textbf{A}daptation framework for prohibited item detection under X-ray imagery. DERA combines hierarchical visual features with a parallel pixel-difference edge pyramid and learns an object-specific boundary prior from training-time contours of the instance masks. The detached prior gates edge-sensitive features, which are injected into the early visual stages through residual heads. This staged design preserves the foundation detector at the start of adaptation, isolates boundary supervision from semantic feature learning, and restricts the final adaptation stage to only \(14.7\)K trainable parameters. Evaluated on PIDray, CLCXray, and STCray, DERA improves the baseline by \textbf{3.1}, \textbf{1.6}, and \textbf{2.4} AP points, respectively.
• Abstract（参考訳）: X線画像における禁止イテム検出は、オブジェクトの重ね合わせ、弱いテクスチャ、およびセマンティックな外観とオブジェクトの境界の両方を曖昧にする物質的乱れにより、依然として困難である。 我々は,X線画像下でのアイテム検出の禁止を目的とした,XMLbf{D}etached \textbf{E}dge-\textbf{R}esidual \textbf{A}daptation フレームワークである \textbf{DERA} を提案する。 DERAは階層的な視覚特徴と並列ピクセル差分エッジピラミッドを組み合わせることで、インスタンスマスクのトレーニング時間輪郭からオブジェクト固有の境界を学習する。 切り離された前ゲートはエッジに敏感な特徴を持ち、残頭を通して初期視覚ステージに注入される。 この段階的な設計は、適応開始時の基礎検出器を保存し、境界監督を意味的特徴学習から分離し、最終適応段階をわずか 14.7\)K の訓練可能なパラメータに制限する。 PIDray、CLCXray、STCrayで評価され、DERAは、それぞれ \textbf{3.1}、 \textbf{1.6}、 \textbf{2.4} APポイントでベースラインを改善する。

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)
• RealOOB: A Definition-Consistent Real-World Oriented Occlusion Boundary Benchmark [4.058440233674106]
  既存のベンチマークは、限定的なカバレッジ、カテゴリ固有の設計、自己排他的アノテーションの欠如、一貫性のないアノテーション定義に悩まされている。 我々はRealOOBを紹介した。RealOOBは4.26M定義に一貫性のある幾何基底を持つOBラベルを持つ、注意深く注釈付けされた実世界のベンチマークである。 RealOOBに基づいて、6つの単分子深度推定器とともに40個のOB推定器とエッジ検出器を評価した。
  論文  参考訳（メタデータ） (2026-08-31T14:01:37Z)
• Visual Geometry Transformer in the Wild: Distractor-Free 3D Reconstruction [77.75911117889915]
  現在のエンドツーエンドのマルチビュー3D再構成手法は、目覚ましい結果を得るが、制限的な静的仮定に依存している。 この理想的な入力への依存は、最も高度なメソッドでさえ、現実世界の設定で失敗する原因となる。 非一貫性の視点から頑健な再構築を行うためのエンドツーエンドフレームワークであるWildにおけるビジュアルジオメトリトランスフォーマーを提案する。
  論文  参考訳（メタデータ） (2026-06-22T02:52:22Z)
• OcclusionFormer: Arranging Z-Order for Layout-Grounded Image Generation [49.49933361280724]
  OcclusionFormerは、インスタンスを分離することで、Zオーダーの優先順位を明示的にモデル化する新しいフレームワークです。 また、個別のインスタンスを明示的に監視し、セマンティックな一貫性を高めるクエリアライメント損失を導入します。 提案手法は,重なり合う領域の曖昧さを効果的に低減し,正しい閉塞依存性を強制し,構造的整合性を保ち,様々な場面で精度の高い向上をもたらす。
  論文  参考訳（メタデータ） (2026-05-20T16:10:44Z)
• Leveraging Geometric Priors for Unaligned Scene Change Detection [53.523333385654546]
  Unaligned Scene Change Detectionは、視点アライメントを仮定することなく、異なるタイミングでキャプチャされた画像ペア間のシーン変化を検出することを目的としている。 非整合SCDの中核的課題に対処するために、初めて幾何学的事前を導入する。 視覚基盤モデルの強力な表現とそれらを統合した学習自由フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-14T14:31:08Z)
• Prohibited Items Segmentation via Occlusion-aware Bilayer Modeling [31.75566926799125]
  セキュリティX線画像における禁止アイテムのインスタンスセグメンテーションは、非常に重要な課題である。 これは主に、X線画像における禁止アイテムと自然物との間の顕著な外見ギャップによって引き起こされる。 本稿では,X線画像中の禁止項目を識別するオクルージョン対応のインスタンスセグメンテーションパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-06-13T10:48:55Z)
• SED-MVS: Segmentation-Driven and Edge-Aligned Deformation Multi-View Stereo with Depth Restoration and Occlusion Constraint [11.165686149180054]
  SED-MVSは、セグメント化駆動およびエッジ整合のパッチ変形に対して、単光分割と多軌道拡散戦略を採用する。 具体的には、予想外のエッジスキッピングを防止するために、まず、パッチ変形をガイドするディープエッジガイダンスとしてSAM2を使用し、その後、パッチがディープエッジに包括的に整合していることを保証するマルチ軌道拡散戦略を用いる。
  論文  参考訳（メタデータ） (2025-03-17T21:07:44Z)
• AO-DETR: Anti-Overlapping DETR for X-Ray Prohibited Items Detection [6.603436370737025]
  本稿では,最先端の汎用物体検出器であるDINOをベースとした抗オーバーラップ型DETR(AO-DETR)を提案する。 重なり合う現象に起因する特徴結合問題に対処するために,カテゴリー特化ワン・ツー・ワン・アサインメント(CSA)戦略を導入する。 重複現象によるエッジのぼかし問題に対処するため,Look Forwardlyスキームを提案する。
  論文  参考訳（メタデータ） (2024-03-07T08:30:17Z)
• OPA-3D: Occlusion-Aware Pixel-Wise Aggregation for Monocular 3D Object Detection [51.153003057515754]
  OPA-3Dは、Occlusion-Aware Pixel-Wise Aggregationネットワークである。 密集した風景深度と、奥行きのある箱残量と物の境界箱を共同で推定する。 メインカーのカテゴリーでは最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2022-11-02T14:19:13Z)
• Unsupervised Multi-View Object Segmentation Using Radiance Field Propagation [55.9577535403381]
  本稿では,未ラベルのシーンの多視点画像のみを考慮し,再構成中の3次元オブジェクトのセグメント化に新たなアプローチを提案する。 提案手法の核となるのは,2方向光度損失を持つ個々の物体の放射界に対する新しい伝搬戦略である。 我々の知る限り、RFPはニューラルレイディアンスフィールド(NeRF)のための3次元シーンオブジェクトセグメンテーションに取り組むための最初の教師なしアプローチである。
  論文  参考訳（メタデータ） (2022-10-02T11:14:23Z)
• End-to-End Instance Edge Detection [29.650295133113183]
  エッジ検出は長い間、コンピュータビジョンの分野で重要な問題であった。 従来の研究は、カテゴリ非依存またはカテゴリ対応エッジ検出を探索してきた。 本稿では,オブジェクトインスタンスのコンテキストにおけるエッジ検出について検討する。
  論文  参考訳（メタデータ） (2022-04-06T15:32:21Z)
• Occluded Prohibited Items Detection: an X-ray Security Inspection Benchmark and De-occlusion Attention Module [50.75589128518707]
  我々はOPIXrayというセキュリティ検査のための最初の高品質なオブジェクト検出データセットをコントリビュートする。 OPIXrayは、空港のプロの検査官が手動で注記した「カッター」に焦点をあてた。 本稿では,プラグイン・アンド・プレイモジュールであるデオクルージョン・アテンション・モジュール(DOAM)を提案する。
  論文  参考訳（メタデータ） (2020-04-18T16:10:55Z)
• On the Arbitrary-Oriented Object Detection: Classification based Approaches Revisited [94.5455251250471]
  まず,既存の回帰型回転検出器が抱える境界問題は,角周期性や角秩序によって引き起こされることを示した。 我々は、角予測タスクを回帰問題から分類問題に変換する。 得られた円形分布角分類問題に対して、まず、角度の周期性に対処し、隣り合う角度に対する誤差耐性を高めるために、円スムースラベル法を考案する。
  論文  参考訳（メタデータ） (2020-03-12T03:23:54Z)

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。