Fugu-MT 論文翻訳(概要): Any-scale Object Detection using Arbitrary-scaled Images

論文の概要: Any-scale Object Detection using Arbitrary-scaled Images

arxiv url: http://arxiv.org/abs/2610.04346v1
Date: Sat, 03 Oct 2026 07:16:03 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-12 11:16:20.8801
Title: Any-scale Object Detection using Arbitrary-scaled Images
Title（参考訳）: 任意スケール画像を用いた任意の対象物検出
Abstract要約: 超解像の単純な使用は、多くの超解像が独立して物体検出器に供給される場合、多くの偽陽性検出を生成する。提案手法は,各超高解像度スケールに適した画素の集合を表すスケール提案マップを予測することにより,これらの偽陽性を抑える。
参考スコア（独自算出の注目度）: 15.6342846994864
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper proposes any-scale object detection using arbitrary-scale super-resolution for continuously rescaling object images, while general multi-scale object detection uses discretely rescaled appearance representations. However, a naive usage of super-resolution produces many false-positive detections if many super-resolution images are independently fed into an object detector. Our method suppresses these false positives by predicting scale proposal maps, each of which represents a set of pixels appropriate for each super-resolution scale.
Abstract（参考訳）: 本稿では,オブジェクトイメージを連続的に再スケーリングするために,任意のスケール超解像を用いた任意のスケールオブジェクト検出を提案する。しかし、多くの超解像が独立して物体検出器に供給されると、単純な超解像の使用によって多くの偽陽性検出が生成される。提案手法は,各超高解像度スケールに適した画素の集合を表すスケール提案マップを予測することにより,これらの偽陽性を抑える。

関連論文リスト

MRD: Multi-resolution Retrieval-Detection Fusion for High-Resolution Image Understanding [24.861683100168673]
高解像度画像の理解は、マルチモーダル大言語モデル(MLLM)にとって重要な課題である。本稿では,高分解能画像理解のためのトレーニングフリーフレームワークであるMRDを提案する。対象オブジェクトのグローバルスケールでの直接位置決めを実現するために,オープン語彙オブジェクト検出(OVD)モデルを導入する。
論文参考訳（メタデータ） (2025-12-02T16:22:01Z)
Generalized-Scale Object Counting with Gradual Query Aggregation [18.582729412306346]
GECO2は、オブジェクトスケールの問題に明示的に対処するエンドツーエンドのいくつかのショットカウントと検出方法である。最新の数ショットカウンタを超え、GPUメモリのフットプリントを小さくして3倍高速に動作しながら、検出精度を10%向上する。
論文参考訳（メタデータ） (2025-11-11T09:52:27Z)
Retrieval Robust to Object Motion Blur [54.34823913494456]
本研究では,動きのぼやけの影響を受けやすい画像のオブジェクト検索手法を提案する。ぼやけたオブジェクト検索のための最初の大規模データセットを提示する。提案手法は,新しいぼやけた検索データセット上で,最先端の検索手法より優れている。
論文参考訳（メタデータ） (2024-04-27T23:22:39Z)
Linear Object Detection in Document Images using Multiple Object Tracking [58.720142291102135]
線形オブジェクトは文書構造に関する実質的な情報を伝達する。多くのアプローチはベクトル表現を復元できるが、1994年に導入された1つのクローズドソース技術のみである。複数オブジェクト追跡を用いた文書画像中の線形オブジェクトの正確なインスタンスセグメンテーションのためのフレームワークを提案する。
論文参考訳（メタデータ） (2023-05-26T14:22:03Z)
A Coarse to Fine Framework for Object Detection in High Resolution Image [8.316322664637537]
オブジェクト検出の現在のアプローチでは、高解像度画像における小さなオブジェクトや大規模な分散問題を検出することはめったにない。本稿では,オブジェクト検出の精度を,特に小さなオブジェクトや大規模分散シーンに対して向上させる,シンプルで効率的なアプローチを提案する。提案手法は,高分解能画像における物体の空間と情報を有効利用することにより,より効率的に検出できる。
論文参考訳（メタデータ） (2023-03-02T13:04:33Z)
Exploring Resolution and Degradation Clues as Self-supervised Signal for Low Quality Object Detection [77.3530907443279]
劣化した低解像度画像中の物体を検出するための,新しい自己教師型フレームワークを提案する。本手法は, 既存手法と比較して, 異変劣化状況に直面する場合に比べ, 優れた性能を示した。
論文参考訳（メタデータ） (2022-08-05T09:36:13Z)
High-resolution Iterative Feedback Network for Camouflaged Object Detection [128.893782016078]
カモフラージュされたオブジェクトを背景に視覚的に同化させることは、オブジェクト検出アルゴリズムにとって難しい。エッジやバウンダリのぼやけた視界を生じさせる細部劣化を避けるために,高分解能テクスチャの詳細を抽出することを目的としている。我々は,高解像度特徴量による低解像度表現を反復的フィードバック方式で洗練する新しいHitNetを提案する。
論文参考訳（メタデータ） (2022-03-22T11:20:21Z)
Remote Sensing Image Super-resolution and Object Detection: Benchmark and State of the Art [7.74389937337756]
本稿では、リモートセンシング画像の現在のデータセットとオブジェクト検出方法(深層学習に基づく)についてレビューする。本稿では,大規模かつ一般公開なリモートセンシング超解像オブジェクト検出データセットを提案する。また、画像超解像に基づく物体検出のベンチマークを行うために、Residual Feature aggregate (MCGR) と補助YOLOv5検出器を備えた新しいマルチクラスサイクル超解像対向ネットワークを提案する。
論文参考訳（メタデータ） (2021-11-05T04:56:34Z)
You Better Look Twice: a new perspective for designing accurate detectors with reduced computations [56.34005280792013]
BLT-netは、新しい低計算の2段階オブジェクト検出アーキテクチャである。非常にエレガントな第1ステージを使用して、オブジェクトをバックグラウンドから分離することで、計算を削減します。結果のイメージ提案は、高度に正確なモデルによって第2段階で処理される。
論文参考訳（メタデータ） (2021-07-21T12:39:51Z)

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。