Fugu-MT 論文翻訳(概要): LGFN: Lightweight Gated RGB-Polarization Fusion with Modality-Availability Conditioning for Camouflaged Object Detection

論文の概要: LGFN: Lightweight Gated RGB-Polarization Fusion with Modality-Availability Conditioning for Camouflaged Object Detection

arxiv url: http://arxiv.org/abs/2609.12798v1
Date: Fri, 11 Sep 2026 12:57:37 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-15 10:54:53.429176
Title: LGFN: Lightweight Gated RGB-Polarization Fusion with Modality-Availability Conditioning for Camouflaged Object Detection
Title（参考訳）: LGFN:カモフラージュ物体検出のためのモダリティ・アベイラビリティ条件付き軽量ゲートRGBポリライゼーション核融合
Abstract要約: 偏光イメージングは相補的な物理的手がかりを提供するが、既存の方法は固定されたマルチモーダル入力構成を仮定する。分離最適化されたRGB専用および分極支援構成をサポートする軽量ゲートRGB分極融合フレームワークを提案する。一般的なローカル再評価プロトコルでは、マルチモーダル構成は6つのメトリクスすべてでPolarNetとIPNetを上回っている。
参考スコア（独自算出の注目度）: 8.90165768285529
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Camouflaged object detection (COD) is an important engineering task in intelligent optical perception, but it remains challenging when targets closely resemble their surroundings. Polarization imaging provides complementary physical cues, whereas existing methods typically assume fixed multimodal input configurations and entangle intra-polarization coordination with interaction between red-green-blue (RGB) and polarization representations. We propose LGFN, a lightweight gated RGB-polarization fusion framework supporting separately optimized RGB-only and polarization-assisted configurations. A deterministic Modality Router selects the appropriate configuration according to polarization availability. In the multimodal configuration, an availability-conditioned Modality Gate calibrates the available polarization branches; the Gated Polarization Hub coordinates learned degree of linear polarization (DoLP) and angle of polarization (AoP) representations with explicit polarization cues; and RGB-Polarization Cross Fusion introduces the coordinated representation into the RGB hierarchy through controlled residual interaction. The multimodal configuration requires neither sample-dependent statistics nor handcrafted quality descriptors during inference. On the complete 230-image PCOD_1200 test set, the RGB-only configuration achieves a mean absolute error of 0.0090, a Dice score of 0.8806, and an intersection over union of 0.8144, obtaining the best results on all six metrics among the evaluated RGB-based methods. Under a common local reevaluation protocol, the multimodal configuration outperforms PolarNet and IPNet on all six metrics. Relative to IPNet, it reduces the parameter count, floating-point operations, and latency by 53.1%, 73.6%, and 63.0%, respectively.
Abstract（参考訳）: カモフラーゲ型物体検出(COD)は知的光知覚において重要な工学的課題であるが、標的が周囲とよく似ている場合、依然として困難である。偏光イメージングは相補的な物理的手がかりを提供するが、既存の手法では、赤-緑-青(RGB)と偏光表現の相互作用と、固定された多重モードの入力構成と角度方向の偏光調整を仮定するのが一般的である。本稿では,軽量ゲート型RGB分極融合フレームワークLGFNを提案する。決定論的モダリティルータは、偏光可用性に応じて適切な構成を選択する。多モード構成では、可用性条件付きモダリティゲートが利用可能な分極枝を校正し、Gated Polarization Hubは線形分極(DoLP)の学習度と偏極角(AoP)の表現を明示的な分極キューで座標し、RGB-分極クロスフュージョンは制御された残差相互作用を通して座標表現をRGB階層に導入する。マルチモーダル構成では、推論中にサンプル依存の統計情報や手作りの品質記述子を必要としない。完全な230イメージのPCOD_1200テストセットでは、RGBのみの設定で平均絶対誤差0.0090、Diceスコア0.8806、および結合点0.8144が達成され、評価されたRGBベースの手法のうち6つの指標すべてで最良の結果が得られる。一般的なローカル再評価プロトコルでは、マルチモーダル構成は6つのメトリクスすべてでPolarNetとIPNetを上回っている。 IPNetとは対照的に、パラメータ数、浮動小数点演算、レイテンシをそれぞれ53.1%、73.6%、63.0%削減する。

関連論文リスト

DensePol: Dense-Angle Polarization Dataset for Learning-Based Polarimetric Vision [8.673131921192995]
分割時間(DoT)取得に基づく高冗長なRGB偏極データセットであるDensePolを紹介する。密度角サンプリングにより偏光安定性が大幅に向上し、AoLP偏差は13.36円から21円に減少する。実験では偏光予測と下流面正規推定の改善が示された。
論文参考訳（メタデータ） (2026-09-08T18:48:33Z)
BC-IHV: Conditioning the Color Space for Stable Rectified-Flow Low-Light Enhancement [51.79298431282401]
低照度画像強調は、入力ですでに支持されている上書き構造を使わずに、あいまいな露出を補正する必要がある。本研究では, 異なる色度/強度の幹を通した対応を保ちながら, SA-RF(Structure-Anchored Rectified Flow)を提案する。また,学習可能なBox-Cox極色空間であるBC-IHVを導入する。
論文参考訳（メタデータ） (2026-08-22T08:43:00Z)
Stokes-Informed Diffusion for Robust Linear Polarization Estimation [49.459667092743445]
GenPolar(ゲンポーラー)は、ミュラー形式主義を基盤としたストークスインフォームド拡散フレームワークである。 DLPの忠実度とAoPの安定性の両面において最先端の性能を達成する。これらの改善は、物質検出やデフレクションを含む下流アプリケーションにおいて、顕著で一貫した利益をもたらす。
論文参考訳（メタデータ） (2026-07-23T11:56:15Z)
On RGB-TIR Stereo Calibration under Extreme Resolution Asymmetry [0.0]
本稿では,RGBカメラ(2028 x 1520)とTIRカメラ(80 x 62)を組み合わせて,実用的なステレオキャリブレーションフレームワークを提案する。このシステムは定数深度と画素ごとの深度推定を用いて検証する。
論文参考訳（メタデータ） (2026-05-15T11:21:49Z)
Conditional Polarization Guidance for Camouflaged Object Detection [5.146223292969599]
擬似物体検出のためのRGB特徴学習を制御するための非対称なRGB偏極フレームワークを提案する。従来の特徴融合戦略とは異なり、提案した条件付き誘導機構は偏光前処理を用いてRGB特徴を動的に変調する。また、偏光制約下で高周波成分を増強する偏光エッジ誘導周波数改善戦略を導入する。
論文参考訳（メタデータ） (2026-03-31T17:03:06Z)
Poppy: Polarization-based Plug-and-Play Guidance for Enhancing Monocular Normal Estimation [69.74622862203036]
Poppyは、テスト時に単発偏光測定を使用して、凍結したRGBバックボーンから正規性を洗練する、トレーニング不要のフレームワークである。微分可能なレンダリング層は、精製された正規項を偏光予測に変換し、観察された信号とミスマッチをペナライズする。これらの結果から, 学習したRGBに基づく偏極キューを用いた正規分布推定器の誘導は, 再学習することなく, 挑戦面上の正規分布を洗練させることがわかった。
論文参考訳（メタデータ） (2026-03-29T22:05:09Z)
RSONet: Region-guided Selective Optimization Network for RGB-T Salient Object Detection [76.1829298714382]
本稿では,RGB画像と熱画像の相違点に着目した。 RGB-T有向物体検出のための領域誘導選択最適化ネットワークを提案する。我々は,RGB-Tデータセットに関する広範な実験を行い,提案したRSONetが27種類の最先端SOD手法と競合する性能を発揮することを示した。
論文参考訳（メタデータ） (2026-03-13T06:01:17Z)
Modality-Decoupled RGB-Thermal Object Detector via Query Fusion [15.717929078660227]
本稿では,モダリティ補間と分離のバランスをとるために,MDQF (Query Fusion) を用いたモダリティ分離RGB-T検出フレームワークを提案する。提案手法は既存のRGB-T検出器に優れた性能を提供し,モダリティ独立性を向上する。
論文参考訳（メタデータ） (2026-01-13T11:32:29Z)
PARTNER: Level up the Polar Representation for LiDAR 3D Object Detection [81.16859686137435]
本稿では、極座標における新しい3次元物体検出器Partnerを紹介する。提案手法は,ONCE検証セットにおいて3.68%,9.15%の差で従来の極性理論よりも優れていた。
論文参考訳（メタデータ） (2023-08-08T01:59:20Z)
An Optimal Polarization-Entanglement Source: Frequency-Converted SPDC with Degeneracy, Indistinguishability, and Ultra-High Purity Configurable Over a Large Spectral Range [0.0]
偏光絡み状態のトレードオフ問題を回避する新しいSPDC法を提案する。提案手法は, 偏光量子ネットワークプロトコルのための最適偏光絡み状態を生成する。
論文参考訳（メタデータ） (2021-07-16T18:23:55Z)
Bi-directional Cross-Modality Feature Propagation with Separation-and-Aggregation Gate for RGB-D Semantic Segmentation [59.94819184452694]
深度情報はRGBD画像のセマンティックセグメンテーションにおいて有用であることが証明されている。既存のほとんどの研究は、深度測定がRGBピクセルと正確で整合していると仮定し、問題をモーダルな特徴融合としてモデル化している。本稿では,RGB特徴量応答を効果的に再検討するだけでなく,複数の段階を通して正確な深度情報を抽出し,代わりに2つの補正表現を集約する,統一的で効率的なクロスモダリティガイドを提案する。
論文参考訳（メタデータ） (2020-07-17T18:35:24Z)

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。