論文の概要: FoCal: Frequency-Oriented Cross-Modal Interaction and Spectral Calibration for Aerial Visible-Infrared Object Detection

• arxiv url: http://arxiv.org/abs/2609.29125v1
• Date: Thu, 24 Sep 2026 07:02:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.76169
• Title: FoCal: Frequency-Oriented Cross-Modal Interaction and Spectral Calibration for Aerial Visible-Infrared Object Detection
• Title（参考訳）: FoCal:空中可視赤外物体検出のための周波数指向のクロスモーダル相互作用とスペクトル校正
• Abstract要約: 本稿では,空中RGB-IR物体検出のための周波数指向フレームワークFoCalを提案する。 DroneVehicle, ESCVehicle, ATR-UMODの実験はFoCalの有効性を示した。 FoCalは113.6 FPSを達成し、先行検出精度を維持し、良好な精度-効率トレードオフを強調している。
• 参考スコア（独自算出の注目度）: 15.565710839056566
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In aerial RGB--IR object detection, effectively exploiting complementary information across modalities is critical for robust perception under complex illumination and environmental conditions. Existing multimodal detectors mainly focus on spatial-domain interaction or frequency-specific feature enhancement, while the cross-modal interaction patterns of different frequency components remain insufficiently explored. Moreover, spectral discrepancy itself may contain both useful complementary cues and unreliable modality-specific responses, making indiscriminate frequency fusion suboptimal. To address these issues, we propose FoCal, a frequency-oriented framework for aerial RGB--IR object detection. First, a Frequency-Aware Dual-Domain Calibration (FADC) module is developed to explicitly model frequency-dependent cross-modal interaction. Low-frequency components are collaboratively consolidated into a shared structural consensus, whereas high-frequency components preserve modality-specific information through selective cross-modal exchange. The resulting frequency-aware cues are further transferred to the original feature domain to regulate cross-modal calibration. Second, we introduce a Discrepancy-Guided Spectral Modulation (DGSM) module, which characterizes cross-modal spectral imbalance using confidence-weighted relative amplitude discrepancy and transforms it into a bounded signed gate for adaptive enhancement, preservation, or attenuation of the joint multimodal spectrum. Extensive experiments on DroneVehicle, ESCVehicle, and ATR-UMOD demonstrate the effectiveness of FoCal, yielding $\mathrm{mAP}_{50}$ values of 83.5\%, 54.8\%, and 64.6\%, respectively. Meanwhile, with only 3.0M parameters, FoCal achieves 113.6 FPS while preserving leading detection accuracy, highlighting a favorable accuracy--efficiency trade-off. Code is available at {https://github.com/universeliang/FoCal.
• Abstract（参考訳）: 空中RGB-IR物体検出では、複雑な照明や環境条件下での堅牢な認識には、モダリティ間の補完情報を効果的に活用することが重要である。 既存のマルチモーダル検出器は主に空間領域の相互作用や周波数特性の強化に重点を置いているが、異なる周波数成分の相互モーダル相互作用パターンはいまだ不十分である。 さらに、スペクトルの相違自体が有用な相補的手がかりと信頼できないモダリティ特異的応答の両方を含んでいて、非識別周波数融合準最適である。 このような問題に対処するため,航空RGB-IRオブジェクト検出のための周波数指向フレームワークであるFoCalを提案する。 まず、周波数に依存しない相互モーダル相互作用を明示的にモデル化するために、周波数対応デュアルドメイン校正(FADC)モジュールを開発した。 低周波成分は共有構造コンセンサスに協調的に統合され、高周波成分は選択的クロスモーダル交換によってモダリティ固有情報を保持する。 結果として生じる周波数認識キューは、クロスモーダルキャリブレーションを制御するために、元のフィーチャードメインにさらに転送される。 第2に、信頼度重み付き相対振幅不一致を用いてクロスモーダルスペクトル不均衡を特徴付ける離散性誘導スペクトル変調(DGSM)モジュールを導入し、それを適応的な拡張、保存、減衰のための有界符号ゲートに変換する。 DroneVehicle, ESCVehicle, ATR-UMODの大規模な実験では、FoCalの有効性が示され、それぞれ83.5\%, 54.8\%, 64.6\%の値が得られた。 一方、3.0Mパラメータしか持たないFoCalは113.6 FPSを達成し、検出精度を最上位に保ち、良好な精度と効率のトレードオフを強調している。 コードは、https://github.com/universeliang/FoCal.comで入手できる。

関連論文リスト

• S$^3$AM: A Single-Stream SAM with Reliability-Calibrated Frequency Adapter for Multi-modal Salient Object Detection [74.15663758681849]
  シングルストリームフレームワークは、信頼性キャリブレーションされた周波数適応をMSOD用のSAMバックボーンに組み込む。 RGB-D、RGB-T、RGB-NIRの正当性オブジェクト検出ベンチマークの実験により、提案フレームワークが競合性能を達成することを確認した。
  論文  参考訳（メタデータ） (2026-08-18T08:05:00Z)
• FSDC-DETR: A Frequency-Spatial Domain Collaborative DETR for Small Object Detection [13.442724218805282]
  小物体検出(SOD)は、現実世界のアプリケーションでは依然として難しい課題である。 既存の検出器は、暗黙の周波数エイリアスと切り離しで空間的な凝集を絡める厳密な処理によって制限されている。 本稿では,相補的空間および周波数表現を明示的にモデル化した周波数空間協調検出変換器(FSDC-DETR)を提案する。
  論文  参考訳（メタデータ） (2026-07-06T14:57:33Z)
• Dynamic Spectral Denoising with Global-Context Attention for Multi-Behavior Recommendation [58.33732779555114]
  重要なボトルネックは、2つの結合した不均一性によって引き起こされる表現レベルの失敗である、と我々は主張する。 マルチビヘイビアレコメンデーション(SpectraMB)のためのグローバルコンテキストを考慮した動的スペクトルデノベーションを提案する。 SpectraMBは、ほとんどの評価設定で最高の結果を達成し、ノイズのある相互作用下での堅牢性の向上を示す。
  論文  参考訳（メタデータ） (2026-06-01T15:58:13Z)
• WD-FQDet: Multispectral Detection Transformer via Wavelet Decomposition and Frequency-aware Query Learning [20.245276698663115]
  そこで本研究では,赤外線と可視光からのモダリティ共有情報とモダリティ固有情報を明確に分離する新しい検出フレームワークを提案する。 FLIR、LLVIP、M3FDデータセットの実験結果から、WD-FQDetは複数の評価指標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） (2026-05-13T14:51:05Z)
• PAD: Phase-Amplitude Decoupling Fusion for Multi-Modal Land Cover Classification [49.37555541088792]
  位相振幅デカップリング(PAD)は、位相(モダリティ共有)と振幅(モダリティ補完)を分離する周波数対応のフレームワークである。 この研究は、リモートセンシングにおける物理を意識したマルチモーダル融合の新しいパラダイムを確立する。
  論文  参考訳（メタデータ） (2025-04-27T07:21:42Z)
• FUSE: Label-Free Image-Event Joint Monocular Depth Estimation via Frequency-Decoupled Alignment and Degradation-Robust Fusion [92.4205087439928]
  画像強調共同深度推定法は、頑健な知覚に相補的なモダリティを利用するが、一般化可能性の課題に直面している。 自己監督型転送(PST)と周波数デカップリング型フュージョンモジュール(FreDF)を提案する。 PSTは、画像基盤モデルとの遅延空間アライメントによるクロスモーダルな知識伝達を確立し、データ不足を効果的に軽減する。 FreDFは、低周波構造成分から高周波エッジ特性を明示的に分離し、モード比周波数ミスマッチを解消する。 この組み合わせのアプローチにより、FUSEはターゲットデータセットに対する軽量デコーダ適応のみを必要とするユニバーサルなイメージイベントを構築することができる。
  論文  参考訳（メタデータ） (2025-03-25T15:04:53Z)
• Frequency Perception Network for Camouflaged Object Detection [51.26386921922031]
  周波数領域のセマンティック階層によって駆動される新しい学習可能かつ分離可能な周波数知覚機構を提案する。 ネットワーク全体では、周波数誘導粗い局所化ステージと細部保存の微細局在化ステージを含む2段階モデルを採用している。 提案手法は,既存のモデルと比較して,3つのベンチマークデータセットにおいて競合性能を実現する。
  論文  参考訳（メタデータ） (2023-08-17T11:30:46Z)

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。