論文の概要: MambaMPD: A Mamba-Driven Segmentation Framework for Marine Pollution Detection from Remote Sensing Imagery
- arxiv url: http://arxiv.org/abs/2609.15676v1
- Date: Mon, 14 Sep 2026 14:52:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:06.45743
- Title: MambaMPD: A Mamba-Driven Segmentation Framework for Marine Pollution Detection from Remote Sensing Imagery
- Title（参考訳）: MambaMPD:リモートセンシング画像からの海洋汚染検出のためのマンバ駆動セグメンテーションフレームワーク
- Abstract要約: MambaMPDは、周波数認識拡張(FAA)とマルチスケールエッジガイドアテンション(EGA)を組み込んだ拡張Mambaベースのフレームワークである。
FAAはウェーブレット変換をエンコーダに統合し、機能をマルチスケールの周波数サブバンドに分解する。
EGAは階層的なラプラシア起源の境界キューに深い意味表現を融合させ、デコードする前にエンコーダの特徴を洗練して境界を鋭くする。
- 参考スコア（独自算出の注目度）: 16.897374410793592
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate marine pollution detection (MPD) is essential for protecting coastal ecosystems and marine biodiversity. Vision Mamba models have shown promise in remote-sensing semantic segmentation by efficiently capturing long-range dependencies and global context, yet their potential for MPD remains underexplored. MPD is particularly challenging because of low signal-to-noise ratios, fragmented pollution patterns, and indistinct boundaries caused by the visual similarity between pollutants and the surrounding sea. To address these issues, we propose MambaMPD, an enhanced Mamba-based framework incorporating two complementary structural priors: Frequency-Aware Augmentation (FAA) and multi-scale Edge-Guided Attention (EGA). FAA integrates wavelet transforms into the encoder to decompose features into multi-scale frequency subbands, enabling the model to capture low-frequency contextual semantics and high-frequency structural details needed to identify small, low-contrast, and irregular pollution patterns. EGA adaptively fuses hierarchical, Laplacian-derived boundary cues with deep semantic representations, refining encoder features before decoding to sharpen boundaries and reduce ambiguity in visually confusing, spatially fragmented scenes. Together, these modules improve sensitivity to subtle pollution signals while preserving fine boundary structures. A U-Net-style decoder with squeeze-and-excitation attention and deep supervision progressively restores and refines semantic and spatial information across scales. Extensive experiments on two benchmark MPD datasets show that MambaMPD achieves higher mIoU than competing methods while requiring substantially less computation than foundation-model-based approaches. On MADOS, it improves F1 by 3.6% over OSDMamba; on M4D, it raises Oil Spill IoU by 6.82% over TransOilSeg.
- Abstract（参考訳）: 海洋汚染の正確な検出(MPD)は沿岸生態系や海洋生物多様性の保護に不可欠である。
Vision Mambaモデルは、長距離依存関係とグローバルコンテキストを効率的にキャプチャすることで、リモートセンシングセマンティックセマンティックセマンティックセマンティクスの可能性を実証している。
MPDは、低信号対雑音比、断片化汚染パターン、汚染物質と周囲の海との視覚的類似性に起因する不明瞭な境界のため、特に困難である。
これらの問題に対処するために,周波数認識拡張(FAA)とマルチスケールエッジガイド注意(EGA)の2つの相補的構造を組み込んだ拡張マンバベースフレームワークであるMambaMPDを提案する。
FAAは、ウェーブレット変換をエンコーダに統合し、機能をマルチスケールの周波数サブバンドに分解する。
EGAは階層的でラプラシア起源のバウンダリキューに深いセマンティック表現を融合させ、デコード前にエンコーダの機能を精細化し、境界を鋭くし、視覚的に紛らわしく、空間的に断片化されたシーンにおける曖昧さを減らす。
これらのモジュールは、微細な境界構造を維持しながら、微妙な汚染信号に対する感度を向上させる。
シャープ・アンド・エミッション・アテンションとディープ・インフォメーションを備えたU-Net型デコーダは、規模を超えて意味情報や空間情報を徐々に復元・洗練する。
2つのベンチマークMPDデータセットの大規模な実験により、MambaMPDは競合する手法よりもmIoUが高く、基礎モデルに基づくアプローチよりも計算量が大幅に少ないことが示された。
MADOSではOSDMambaよりF1を3.6%改善し、M4DではTransOilSegよりPulil Spill IoUを6.82%向上させた。
関連論文リスト
- MambaADv2: Evolving Duality-enhanced State Space Model for Unsupervised Anomaly Detection [108.36437360254605]
本稿では,マルチクラス非教師付き異常検出に適したフレームワークであるMambaADv2を提案する。
MambaADv2は、事前訓練されたエンコーダと、複数のスケールにわたるDuality-enhanced State Space (DSS)モジュールを備えたMambaインスパイアされたデコーダで構成される。
HSS(Hybrid State Space)ブロックの構造は、SSDベースのMambaラインに従って調整され、Mamba3スタイルの位置認識状態空間モデリングが組み込まれている。
論文 参考訳（メタデータ） (2026-06-22T10:14:06Z) - MambaDSF: Multi-Scale SSM with Dilated Feature Fusion for Sonar Small Target Detection [8.504127970224703]
小さいターゲットは、画素のカバー不足、音響コントラストの低さ、画像範囲のあいまいさのため、検出が難しいままである。
この手紙は、これらの制限に対処するハイブリッドフレームワークであるMamba Dilated-Scale Fusion (MambaDSF)を提案する。
MambaDSFはUATDの前向きソナーのベンチマークで91.5%のmAP50を達成し、28.7百万のパラメータを持つ。
論文 参考訳（メタデータ） (2026-05-24T08:14:19Z) - Semantics and Content Matter: Towards Multi-Prior Hierarchical Mamba for Image Deraining [95.00432497331583]
画像デライニングのためのマルチPrior Hierarchical Mamba (MPHM) ネットワーク
MPHMは、タスクレベルのセマンティックガイダンスのためのマクロセマンティックテキスト先行(CLIP)と、シーン認識構造情報のためのマイクロ構造視覚先行(DINOv2)を統合している。
実験ではMPHMの最先端のパフォーマンスを実証し、Rain200Hデータセットで0.57dBのPSNRゲインを達成した。
論文 参考訳（メタデータ） (2025-11-17T08:08:59Z) - Multi-Representation Attention Framework for Underwater Bioacoustic Denoising and Recognition [0.924965746838578]
生体関連エネルギーのソフトマスクを生成するために、まずスペクトログラムをセグメント化する多段階の注意誘導フレームワークを導入する。
画像とマスクの埋め込みは、中間レベルの融合によって統合され、モデルが正常なスペクトル領域に集中できるようにする。
カナダのセイグネイ・セントローレンス海洋公園研究ステーションの実際の記録を用いて、セグメンテーション駆動の注意と中級核融合が信号の識別を改善することを実証した。
論文 参考訳（メタデータ） (2025-10-29T22:49:15Z) - WaveSeg: Enhancing Segmentation Precision via High-Frequency Prior and Mamba-Driven Spectrum Decomposition [61.3530659856013]
本稿では,空間およびウェーブレット領域の機能改善を共同で最適化する新しいデコーダアーキテクチャであるWaveSegを提案する。
高周波成分は、まず入力画像から、境界の詳細を強化するために明示的な先行として学習される。
標準ベンチマークの実験では、Mambaベースの注目に先立ってウェーブレット-ドメイン周波数を利用するWaveSegが、常に最先端のアプローチより優れていることが示されている。
論文 参考訳（メタデータ） (2025-10-24T01:41:31Z) - DEPFusion: Dual-Domain Enhancement and Priority-Guided Mamba Fusion for UAV Multispectral Object Detection [6.4402018224356015]
DEPFusionというフレームワークがUAVマルチスペクトル物体検出のために提案されている。
デュアルドメイン強化(DDE)と優先誘導マンバ核融合(PGMF)から構成される。
DroneVehicleとVEDAIデータセットの実験は、DEPFusionが最先端の手法で優れたパフォーマンスを達成することを実証している。
論文 参考訳（メタデータ） (2025-09-09T01:51:57Z) - Wavelet-Guided Dual-Frequency Encoding for Remote Sensing Change Detection [67.84730634802204]
リモートセンシング画像の変化検出は,自然災害監視,都市拡張追跡,インフラ管理など,さまざまな工学的応用において重要な役割を担っている。
既存のほとんどの手法は空間領域モデリングに依存しており、特徴表現の限られた多様性は微妙な変化領域の検出を妨げる。
本研究では、特にウェーブレット領域における周波数領域の特徴モデリングが周波数成分の微細な違いを増幅し、空間領域において捉えにくいエッジ変化の知覚を高めることを観察する。
論文 参考訳（メタデータ） (2025-08-07T11:14:16Z) - FaRMamba: Frequency-based learning and Reconstruction aided Mamba for Medical Segmentation [3.5790602918760586]
Vision Mambaは、グローバルな依存関係を効率的にモデル化するために、一次元の因果状態空間の再現を用いる。
パッチトークン化と1Dシリアライゼーションは、局所的なピクセル隣接性を阻害し、ローパスフィルタリング効果を課す。
2つの相補的なモジュールを通してLHICDと2D-SSDを明示的に扱う新しい拡張であるFaRMambaを提案する。
論文 参考訳（メタデータ） (2025-07-26T20:41:53Z) - VRS-UIE: Value-Driven Reordering Scanning for Underwater Image Enhancement [104.78586859995333]
状態空間モデル(SSM)は、線形複雑性と大域的受容場のために、視覚タスクの有望なバックボーンとして登場した。
大型で均質だが無意味な海洋背景の優位性は、希少で価値ある標的の特徴表現応答を希薄にすることができる。
水中画像強調(UIE)のための新しい値駆動リダクションスキャンフレームワークを提案する。
本フレームワークは, 水バイアスを効果的に抑制し, 構造や色彩の忠実さを保ち, 優れた向上性能(WMambaを平均0.89dB超える)を実現する。
論文 参考訳（メタデータ） (2025-05-02T12:21:44Z) - A Hybrid Transformer-Mamba Network for Single Image Deraining [70.64069487982916]
既存のデラリング変換器では、固定レンジウィンドウやチャネル次元に沿って自己アテンション機構を採用している。
本稿では,多分岐型トランスフォーマー・マンバネットワーク(Transformer-Mamba Network,TransMamba Network,Transformer-Mamba Network)を提案する。
論文 参考訳（メタデータ） (2024-08-31T10:03:19Z)
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。