論文の概要: S2A:Semantic-to-Spatial Alignment for Alignment-Free RGB-T Salient Object Detection

• arxiv url: http://arxiv.org/abs/2609.27413v1
• Date: Wed, 23 Sep 2026 06:29:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.919664
• Title: S2A:Semantic-to-Spatial Alignment for Alignment-Free RGB-T Salient Object Detection
• Title（参考訳）: S2A:アライメントフリーなRGB-Tサリアンオブジェクト検出のための意味的空間的アライメント
• Abstract要約: S2AはアライメントフリーなRGB-T SODのための意味空間間フレームワークである。 グローバルな意味指導を利用して背景干渉を抑え、階層内特徴を洗練させる。 S2Aは複数の公開アライメントのないRGB-Tベンチマークで高い競争性能を達成する。
• 参考スコア（独自算出の注目度）: 18.30484648328336
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Alignment-free RGB-T salient object detection (RGB-T SOD) aims to identify salient objects from unregistered RGB and thermal image pairs without costly pre-alignment. However, spatial misalignment breaks pixel-wise correspondence and causes feature contamination during cross-modal fusion. To address this issue, we propose S2A, a semantic-to-spatial alignment framework for alignment-free RGB-T SOD. Specifically, a global-guided hierarchical fusion module (GGHF) first exploits global semantic guidance to suppress background interference and refine hierarchical intra-modal features. Subsequently, the alignment-free cross-modal channel attention module (AFCA) globally exchanges complementary semantic information through channel-wise interaction, effectively overcoming the interference caused by local spatial misalignments. Finally, a spatial deformable cross-attention module (SDCA) predicts adaptive sampling offsets to recover local cross-modal spatial correspondence. Through this semantic-to-spatial paradigm, S2A first enables reliable cross-modal semantic interaction and subsequently performs local spatial calibration, effectively reducing misalignment-induced feature contamination. Without bells and whistles, S2A achieves highly competitive performance on multiple public alignment-free RGB-T benchmarks, demonstrating its effectiveness in alleviating misalignment-induced feature contamination.
• Abstract（参考訳）: 配位なしRGB-T塩物検出(RGB-T Salient Object Detection, RGB-T SOD)は、登録されていないRGBと熱画像のペアから塩物を特定することを目的としている。 しかし、空間的不整合は画素ワイズ対応を破り、クロスモーダル融合時に特徴的汚染を引き起こす。 そこで本研究では,アライメントフリーなRGB-T SODのための意味空間アライメントフレームワークであるS2Aを提案する。 具体的には、GGHF(Global-guided Hierarchical fusion Module)は、背景干渉を抑制し、階層内特徴を洗練させるために、まずグローバルな意味指導を利用する。 その後、アライメントフリーのクロスモーダルチャネルアテンションモジュール(AFCA)は、チャンネルワイドインタラクションを通じて補完的なセマンティック情報をグローバルに交換し、局所的な空間的ミスアライメントによる干渉を効果的に克服する。 最後に、空間変形可能なクロスアテンションモジュール(SDCA)は、適応的なサンプリングオフセットを予測し、局所的なクロスモーダル空間対応を回復する。 この意味と空間のパラダイムを通じて、S2Aはまず、信頼性の高い相互モーダルなセマンティックな相互作用を可能にし、その後、局所的な空間的キャリブレーションを行い、誤調整による特徴汚染を効果的に低減する。 ベルやホイッスルを使わずに、S2Aは複数の公開アライメントのないRGB-Tベンチマークで高い競争性能を達成し、誤調整による特徴汚染を軽減する効果を示した。

関連論文リスト

• DPSF-Net: A Dual-Prior Spatial-Frequency Network for Real-World Remote Sensing Image Dehazing [1.0096416727161845]
  実世界のRSIDのためのMCAF-Net上に構築された2重プリア空間周波数ネットワークDPSF-Netを提案する。 ネットワークは、ぼんやりしたRGBイメージとダークチャネル事前(DCP)マップをジョイント入力として使用し、物理的劣化の手がかりにより、エンドツーエンドの機能学習をガイドする。 実験により、DPSF-Netは現実世界のRRSHIDリモートセンシング画像デハージングベンチマークで最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2026-09-07T03:00:10Z)
• Bridging Severe Cross-Modal Misalignment: End-to-End Visible-Infrared Object Detection via Explicit Feature-Domain Affine Registration [17.74037850404483]
  そこで本研究では,極端から端へ可視光を指向する物体検出器を提案する。 提案されたJFRDetは、DroneVehicle Misaligned (DVMA)上で69.7%$mathrmmAP_50$を達成する。
  論文  参考訳（メタデータ） (2026-08-11T09:02:37Z)
• Weaving Light and Time: Unified Harmonic-Geometric Representation Learning for Dense RGB-Event Parsing [55.13802890769086]
  我々は、専用のRGB-Event解析用に特別に設計された最初の統一バックボーンであるEvitaを紹介する。 深いモーダルなシナジーを達成するため、Evitaはすべてのエンコーダ層に直接固有のコラーニングモジュール群を組み込む。 Evitaは、リアルタイムマルチモーダル認識において、より優れた精度とレイテンシのトレードオフを提供しながら、新しい最先端メトリクスを確立する。
  論文  参考訳（メタデータ） (2026-07-10T06:52:09Z)
• 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)
• Frequency-Domain Regularized Adversarial Alignment for Transferable Attacks against Closed-Source MLLMs [59.973833105841685]
  対向移動性を改善するための重要な課題は、異なるモデル間で共有される本質的な視覚的焦点を効果的に捉えることである。 本稿では、FRA-Attackを提案する。このFRA-Attackは、周波数領域の統一正規化の観点から、両方の課題に対処する。 機能アライメントのために、パッチ機能に対する高パスDCTは、冗長なグローバル構造を抑圧し、MLLMの固有の視覚的焦点を持つ高周波帯域の損失に集中する。 勾配最適化のために、代用勾配を変調するテキストモデルに依存しない低パス正規化器である周波数領域勾配正規化(FGR)を導入する。
  論文  参考訳（メタデータ） (2026-05-20T08:15:56Z)
• HIR-ALIGN: Enhancing Hyperspectral Image Restoration via Diffusion-Based Data Generation [50.46910397782266]
  ハイパスペクトル画像(HSI)の復元は、ノイズ、ぼかし、分解能損失などの劣化に悩まされるため、信頼性の高い解析に不可欠である。 本稿では,HIR-ALIGNを提案する。HIR-ALIGNは,限られたトレーニング画像と,ターゲット分布と密に一致した合成データとを付加して,ハイパースペクトル画像の復元を促進するための,プラグアンドプレイのターゲット適応型拡張フレームワークである。
  論文  参考訳（メタデータ） (2026-05-13T14:14:13Z)
• Selective Attention-Based Network for Robust Infrared Small Target Detection [6.998442855153326]
  赤外線小目標検出は、海上監視、軍事捜索救助、早期警戒システム、精密誘導攻撃など、幅広いミッションクリティカルな応用において重要な役割を担っている。 赤外線の小さなターゲットは、非常に限られた空間範囲を占め、信号とクラッタの比率が低く、しばしば誤報を引き起こす構造的に複雑な背景と容易に混同される。 既存のエンコーダ・デコーダアーキテクチャには、初期畳み込みの際の情報ボトルネックと、真のターゲットと擬似ターゲット領域を識別するために必要な動的適応性に欠ける静的スキップ接続という、2つの重要な制限がある。
  論文  参考訳（メタデータ） (2026-04-27T09:17:23Z)
• Breaking Alignment Barriers: TPS-Driven Semantic Correlation Learning for Alignment-Free RGB-T Salient Object Detection [34.62005077259452]
  既存のRGB-Tの有能なオブジェクト検出方法は、手動でアライメントされたデータセットに依存している。 我々は、TPS-SCL(Thin-Plate Spline-driven Semantic correlation Learning Network)と呼ばれる実世界の非整合画像対に対する効率的なRGB-T SOD法を提案する。 TPS-SCLは、既存の軽量SOD手法の中で最先端(SOTA)性能を実現し、主流のRGB-T SOD手法より優れている。
  論文  参考訳（メタデータ） (2025-12-26T04:37:49Z)
• SRSR: Enhancing Semantic Accuracy in Real-World Image Super-Resolution with Spatially Re-Focused Text-Conditioning [59.013863248600046]
  本稿では,空間的に再焦点を絞ったテキストコンディショニングを推論時に洗練する超解像フレームワークを提案する。 第二に,非接地画素に対するテキストの影響を選択的に回避し,幻覚を防ぐ空間的自由誘導機構を導入する。
  論文  参考訳（メタデータ） (2025-10-26T05:03:55Z)
• A Dual-Modulation Framework for RGB-T Crowd Counting via Spatially Modulated Attention and Adaptive Fusion [10.919439739345195]
  本稿では,RGB-Thermal (RGB-T) の正確なクラウドカウントのためのDual Modulation Frameworkを提案する。 我々は空間変調注意(SMA)と適応核融合変調(AFM)の2つのモジュールを使用する。 RGB-T群集カウントデータセットを用いた実験により, 従来の手法と比較して, 提案手法の優れた性能を示した。
  論文  参考訳（メタデータ） (2025-09-21T13:52:29Z)
• Maximum Spatial Perturbation Consistency for Unpaired Image-to-Image Translation [56.44946660061753]
  本稿では,最大空間摂動整合(MSPC)と呼ばれる普遍正規化手法を提案する。 MSPCは空間摂動関数(T)と変換演算子(G)を可換(TG = GT)に強制する。 提案手法は,ほとんどのI2Iベンチマークにおいて最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2022-03-23T19:59:04Z)

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。