Fugu-MT 論文翻訳(概要): C2FXNet: Coarse-to-Fine Scene Expert for Unified Object Detection across Adverse Weather

論文の概要: C2FXNet: Coarse-to-Fine Scene Expert for Unified Object Detection across Adverse Weather

arxiv url: http://arxiv.org/abs/2609.25693v1
Date: Tue, 22 Sep 2026 04:53:42 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-23 18:04:04.228822
Title: C2FXNet: Coarse-to-Fine Scene Expert for Unified Object Detection across Adverse Weather
Title（参考訳）: C2FXNet: 逆気象における一元的物体検出のための粗大な現場エキスパート
Abstract要約: 本稿では,階層的なシーンガイダンスによって一元的検出を実現するC2FXNetを提案する。 C2FXNetは、MRR(Multi-step Reasoning Router)とFun Fine Scene Refinement(FSR)モジュールからなる二重レベル誘導機構を導入している。粗いシーン推論と微粒なセマンティックリファインメントを結合することにより、C2FXNetはシーン固有のトレーニングなしで堅牢なマルチシーン検出を可能にする。
参考スコア（独自算出の注目度）: 6.776040007366594
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Object detection in adverse weather remains challenging because severe degradations weaken visual quality and disrupt semantic feature representations across diverse scenes. Existing methods usually rely on condition-specific designs, which limits their ability to generalize within a unified detector. In this paper, we propose a Coarse-to-Fine Scene Expert Network (C2FXNet) that achieves unified detection through hierarchical scene guidance. Specifically, C2FXNet introduces a dual-level guidance mechanism consisting of a Multi-step Reasoning Router (MRR), which performs GRU-based recurrent scene reasoning over compressed multi-scale visual cues and frozen coarse scene prototypes, and a Fine Scene Refinement (FSR) module, which uses image-specific semantic cues to modulate high-level features for local variation handling. Furthermore, a Scene-aware Mixture-of-Experts (SMoE) dynamically combines scene-specific experts under the joint guidance of MRR and FSR. By coupling coarse scene reasoning with fine-grained semantic refinement, C2FXNet enables robust multi-scene detection without scene-specific training. Extensive experiments on RTTS, ExDark, and our newly constructed Adverse Weather Dataset (AWD) demonstrate that C2FXNet consistently outperforms state-of-the-art methods across foggy, dark, and clear conditions, reaching 63.70%, 71.14%, and 54.19% mAP on RTTS, ExDark, and AWD, respectively. The source code will be released at https://github.com/PolarisFTL/C2FXNet.
Abstract（参考訳）: 深刻な劣化が視覚的品質を弱め、多様な場面における意味的特徴の表現を乱すため、悪天候における物体検出は依然として困難なままである。既存の手法は通常条件固有の設計に依存しており、統一された検出器内での一般化の能力を制限する。本稿では,階層的なシーンガイダンスによって一元的検出を実現する,C2FXNet(Carse-to-Fine Scene Expert Network)を提案する。特に、C2FXNetは、圧縮されたマルチスケールビジュアルキューと凍結された粗いシーンのプロトタイプに対して、GRUに基づく繰り返しシーン推論を行うMulti-step Reasoning Router(MRR)と、画像固有のセマンティックキューを使用して局所変動処理の高レベル特徴を変調するFun Fine Scene Refinement(FSR)モジュールからなる2段階誘導機構を導入している。さらに、SMOE(Scene-aware Mixture-of-Experts)は、MRRとFSRの共同指導の下で、シーン固有の専門家を動的に結合する。粗いシーン推論と微粒なセマンティックリファインメントを結合することにより、C2FXNetはシーン固有のトレーニングなしで堅牢なマルチシーン検出を可能にする。 RTTS, ExDark, および新たに構築したAdverse Weather Dataset (AWD) に関する大規模な実験により, C2FXNet は, 霧, 暗, 澄んだ条件で, それぞれ63.70%, 71.14%, 54.19% mAP, RTTS, ExDark, AWD で, 常に最先端の手法より優れていた。ソースコードはhttps://github.com/PolarisFTL/C2FXNetで公開される。

関連論文リスト

Detect in Any Scene: An Agentic Framework for Object Detection with Experience-Aware Reasoning [4.730640137945023]
実世界のシナリオにおける物体検出は、多様な画像劣化と異種物体分布のため、依然として困難である。動的決定プロセスとしてオブジェクト検出を定式化するエージェント検出フレームワークであるDetASを提案する。
論文参考訳（メタデータ） (2026-05-29T11:41:58Z)
SpecXNet: A Dual-Domain Convolutional Network for Robust Deepfake Detection [25.04992532067041]
本稿では,堅牢なディープフェイク検出のためのデュアルドメインアーキテクチャであるSpectral Cross-Attentional Network (SpecXNet)を提案する。修正されたXceptionNetバックボーンの上に構築され、DDFCとDFAモジュールを分離可能な畳み込みブロックに埋め込む。本研究は,高密度・高密度深度検出における空間スペクトル学習の有効性を明らかにするものである。
論文参考訳（メタデータ） (2025-09-26T08:51:59Z)
Mixture-of-Noises Enhanced Forgery-Aware Predictor for Multi-Face Manipulation Detection and Localization [52.87635234206178]
本稿では,多面的操作検出と局所化に適したMoNFAPという新しいフレームワークを提案する。このフレームワークには2つの新しいモジュールが含まれている: Forgery-aware Unified Predictor (FUP) Module と Mixture-of-Noises Module (MNM)。
論文参考訳（メタデータ） (2024-08-05T08:35:59Z)
SMPISD-MTPNet: Scene Semantic Prior-Assisted Infrared Ship Detection Using Multi-Task Perception Networks [13.173462147045626]
赤外線船舶検出(IRSD)は、近年、悪天候に対する赤外線画像の堅牢性により注目されている。本稿では,シーン意味抽出,深層特徴抽出,予測の3段階を含むScene Semantic Prior-Assisted Multi-Task Perception Network (SMPISD-MTPNet)を提案する。
論文参考訳（メタデータ） (2024-07-26T03:38:29Z)
Multi-Modal Domain Adaptation Across Video Scenes for Temporal Video Grounding [59.599378814835205]
時間的ビデオグラウンドリング(TVG)は、与えられた言語クエリに基づいて、特定のセグメントの時間的境界を未トリミングビデオにローカライズすることを目的としている。そこで本研究では,対象データからの洞察を取り入れた新たなAMDA手法を提案する。
論文参考訳（メタデータ） (2023-12-21T07:49:27Z)
MixNet: Toward Accurate Detection of Challenging Scene Text in the Wild [21.861646307154086]
CNNとTransformerの長所を組み合わせたハイブリッドアーキテクチャであるMixNetを提案する。オリエンテーション、スタイル、照明条件に関わらず、挑戦的な自然のシーンから小さなテキストを正確に検出することができる。
論文参考訳（メタデータ） (2023-08-23T05:13:00Z)
NeRF-SOS: Any-View Self-supervised Object Segmentation from Complex Real-World Scenes [80.59831861186227]
本論文では,複雑な現実世界のシーンに対して,NeRFを用いたオブジェクトセグメンテーションのための自己教師型学習の探索を行う。我々のフレームワークは、NeRF(NeRF with Self-supervised Object NeRF-SOS)と呼ばれ、NeRFモデルがコンパクトな幾何認識セグメンテーションクラスタを蒸留することを奨励している。他の2Dベースの自己教師付きベースラインを一貫して上回り、既存の教師付きマスクよりも細かなセマンティクスマスクを予測する。
論文参考訳（メタデータ） (2022-09-19T06:03:17Z)
Spatial-Temporal Frequency Forgery Clue for Video Forgery Detection in VIS and NIR Scenario [87.72258480670627]
既存の周波数領域に基づく顔偽造検出手法では、GAN鍛造画像は、実際の画像と比較して、周波数スペクトルに明らかな格子状の視覚的アーチファクトを持つ。本稿では,コサイン変換に基づくフォージェリークリュー拡張ネットワーク(FCAN-DCT)を提案し,より包括的な時空間特徴表現を実現する。
論文参考訳（メタデータ） (2022-07-05T09:27:53Z)
Searching Central Difference Convolutional Networks for Face Anti-Spoofing [68.77468465774267]
顔認識システムにおいて、顔の反偽造(FAS)が重要な役割を担っている。最先端のFASメソッドの多くは、スタック化された畳み込みと専門家が設計したネットワークに依存している。ここでは、中央差分畳み込み(CDC)に基づくフレームレベルの新しいFAS手法を提案する。
論文参考訳（メタデータ） (2020-03-09T12:48:37Z)
Depth Based Semantic Scene Completion with Position Importance Aware Loss [52.06051681324545]
PALNetはセマンティックシーン補完のための新しいハイブリッドネットワークである。詳細な深度情報を用いて,多段階から2次元特徴と3次元特徴の両方を抽出する。オブジェクトのバウンダリやシーンの隅といった重要な詳細を復元することは有益である。
論文参考訳（メタデータ） (2020-01-29T07:05:52Z)

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。