論文の概要: RA-SOD: Reliability-Aware RGB-T Salient Object Detection under Modality Degradation

• arxiv url: http://arxiv.org/abs/2609.12622v1
• Date: Fri, 11 Sep 2026 09:22:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.694648
• Title: RA-SOD: Reliability-Aware RGB-T Salient Object Detection under Modality Degradation
• Title（参考訳）: RA-SOD: モダリティ劣化下における信頼性を考慮したRGB-T能動物体検出
• Abstract要約: 信頼性を考慮したRGB-T有能なオブジェクト検出フレームワークであるRA-SODを提案する。 RA-SODは、モダリティの信頼性を特徴学習とクロスモーダル融合に統合する。 実験により、RA-SODは最先端性能を示し、重度モード劣化下で強靭性を示す。
• 参考スコア（独自算出の注目度）: 23.43264234749439
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: RGB-Thermal (RGB-T) salient object detection leverages complementary cues from visible and thermal modalities to improve robustness in challenging environments. However, in real-world scenarios, the reliability of each modality is inherently unstable: RGB images degrade under low illumination, motion blur, and noise, while thermal imagery often suffers from contrast compression and sensor artifacts. Such degradation introduces unreliable perceptual evidence that can mislead cross-modal fusion and significantly deteriorate detection performance. To address this challenge, we propose RA-SOD, a reliability-aware RGB-T salient object detection framework that explicitly models modality reliability and integrates it into feature learning and cross-modal fusion. First, we introduce a reliability-conditioned representation that adaptively compensates degraded modality features while preserving structural cues. Second, an uncertainty-guided dual-stream refinement strategy progressively corrects cross-modal representations while suppressing unreliable evidence. Finally, we propose a pixel-wise modality competition mechanism that dynamically selects modality cues according to spatial reliability for fine-grained fusion. Extensive experiments on four benchmarks (VT821, VT1000, VT5000, and VT-IMAG) demonstrate that RA-SOD achieves state-of-the-art performance and exhibits strong robustness under severe modality degradation. Code and models are available at https://github.com/zaoxienian/RA-SOD.
• Abstract（参考訳）: RGB-Thermal (RGB-T) サージェント物体検出は、可視・熱的モードからの相補的手がかりを利用して、挑戦的な環境における堅牢性を改善する。 しかし、現実のシナリオでは、それぞれのモダリティの信頼性は本質的に不安定であり、RGB画像は低照度、動きのぼやけ、ノイズの下で劣化し、熱画像はコントラスト圧縮やセンサアーティファクトに悩まされる。 このような劣化は、クロスモーダル核融合を誤解させ、検出性能を著しく劣化させる、信頼性の低い知覚的証拠をもたらす。 この課題に対処するために,信頼性を意識したRGB-T有能なオブジェクト検出フレームワークであるRA-SODを提案する。 まず、構造的手がかりを保ちながら、劣化したモダリティの特徴を適応的に補償する信頼性条件付き表現を提案する。 第二に、信頼できない証拠を抑えながら、不確実性誘導デュアルストリーム精錬戦略は、段階的にクロスモーダル表現を補正する。 最後に,微粒核融合における空間的信頼性に応じて動的にモダリティキューを選択する画素ワイド・モダリティ競合機構を提案する。 4つのベンチマーク(VT821、VT1000、VT5000、VT-IMAG)の大規模な実験により、RA-SODは最先端の性能を達成し、過度なモダリティ劣化の下で強い堅牢性を示すことが示された。 コードとモデルはhttps://github.com/zaoxienian/RA-SOD.comで公開されている。

関連論文リスト

• P2Fusion: Prompt-based Progressive Infrared-Visible Image Fusion via Dual-Prior Distillation [73.147281449267]
  我々は、赤外線可視画像融合を再構成する事前誘導蒸留に基づくフレームワークであるP2Fusionを提案する。 ハードコードされたペナルティを課す代わりに、画像固有の先例、熱塩分率、空間的品質を学習可能な動的レギュレータに蒸留する。 P2Fusionは5つのベンチマークで20の主要評価指標のうち14で最先端の結果を達成する。
  論文  参考訳（メタデータ） (2026-08-13T10:09:49Z)
• Dual-Edged Homogeneous-Modality Similarity: Towards Visible-Infrared Modality-Incomplete Person Re-Identification with Modality Adaptive Matching [60.86381869046298]
  我々は, Visible-Infrared Modality-Incomplete Re-Identification (VIMI-ReID) タスクを形式化する。 VIMI-ReIDにおける予測不可能なモダリティの組み合わせと、同質なモダリティサンプルの固有の類似性は、大きな性能低下を引き起こす。 モーダリティ固有およびモーダリティ共有特徴を抽出するMAMT(Modality Adaptive Matching Transformer)を提案する。
  論文  参考訳（メタデータ） (2026-07-21T04:10:20Z)
• Efficient RGB-T Object Detection via Sparse Cross-Modality Fusion [16.654966330137054]
  RGB-T検出器は可視光と熱赤外モードの相補的な強度を利用する。 それらの多くは、重い双対のバックボーンと、全体像にまたがる徹底的な相互モダリティ融合に頼っている。 効率的なRGB-T検出のためのスパース融合機構を提案する。
  論文  参考訳（メタデータ） (2026-06-29T12:28:58Z)
• Active Adversarial Perturbation-driven Associative Memory Retrieval for RGB-Event Visual Object Tracking [58.338848435042536]
  RGB-Eventトラッキングは、イベントセンサからRGB外観テクスチャと高密度時間運動キューを融合することにより、ローカライズを改善する。 現実世界のシーンは、従来のマルチモーダル融合を妨げる多様な構造的な信号劣化に悩まされる。 本稿では,RGBイベント追跡に適した階層的摂動・検索フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-24T23:34:06Z)
• Towards Robust Optical-SAR Object Detection under Missing Modalities: A Dynamic Quality-Aware Fusion Framework [27.71603877164877]
  光・合成開口レーダ(SAR)融合による物体検出はリモートセンシングに大きな研究関心を集めている。 本稿では,光SARオブジェクト検出のためのQDFNet(Quality-Aware Dynamic Fusion Network)を提案する。
  論文  参考訳（メタデータ） (2025-12-27T03:16:48Z)
• RED: Robust Event-Guided Motion Deblurring with Modality-Specific Disentangled Representation [25.898452981956364]
  イベントカメラはスパースだが時間的に高解像度のモーション情報を提供する。 ダイナミックビジョンセンサー(DVS)の閾値を上げることでノイズを低減できるが、これは必然的にイベントの過度な報告を引き起こす。 本稿では,モダリティ特異的な不整合表現を備えたロバストイベント誘導型デブロワーリングネットワークを提案する。
  論文  参考訳（メタデータ） (2025-09-06T01:07:08Z)
• SGDFuse: SAM-Guided Diffusion for High-Fidelity Infrared and Visible Image Fusion [65.80051636480836]
  本稿では,Segment Anything Model(SAM)によって導かれる条件拡散モデルを提案する。 このフレームワークは2段階のプロセスで動作し、まずマルチモーダルな特徴の予備的な融合を行い、その後、拡散モデルの粗大な分極生成を駆動する条件としてセマンティックマスクを利用する。 SGDFuseは主観的評価と客観的評価の両方において最先端の性能を発揮することを示す。
  論文  参考訳（メタデータ） (2025-08-07T10:58:52Z)
• Learning A Robust RGB-Thermal Detector for Extreme Modality Imbalance [10.189143024910598]
  RGBサーマル(RGB-T)オブジェクト検出は、熱赤外(TIR)画像を用いてRGBデータを補完し、困難な条件下での堅牢性を改善する。 従来のRGB-T検出器は、両モードが等しく寄与するバランスの取れたトレーニングデータを仮定する。 本稿では,新しいベース・アンド・オシリリア検出器アーキテクチャを提案することで,これらの課題に対処する。
  論文  参考訳（メタデータ） (2025-05-28T09:18:55Z)
• Spectral-Aware Global Fusion for RGB-Thermal Semantic Segmentation [10.761216101789774]
  マルチモーダル機能の強化と融合を図るため,SGFNet(Spectral-aware Global Fusion Network)を提案する。 SGFNetは、MFNetとPST900データセットの最先端メソッドよりも優れている。
  論文  参考訳（メタデータ） (2025-05-21T13:17:57Z)
• Does Thermal Really Always Matter for RGB-T Salient Object Detection? [153.17156598262656]
  本稿では,RGB-T有意物体検出(SOD)タスクを解決するために,TNetというネットワークを提案する。 本稿では,画像のグローバル照度を推定するためのグローバル照度推定モジュールを提案する。 一方, 2段階の局所化と相補化モジュールを導入し, 熱的特徴の物体位置化キューと内部整合キューをRGBモダリティに転送する。
  論文  参考訳（メタデータ） (2022-10-09T13:50:12Z)
• Modality-Adaptive Mixup and Invariant Decomposition for RGB-Infrared Person Re-Identification [84.32086702849338]
  RGB-赤外線人物再同定のための新しいモダリティ適応混合・不変分解(MID)手法を提案する。 MIDは、RGBと赤外線画像の混合画像を生成するためのモダリティ適応混合方式を設計する。 2つの挑戦的なベンチマーク実験は、最先端の手法よりもMIDの優れた性能を示す。
  論文  参考訳（メタデータ） (2022-03-03T14:26:49Z)

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。