論文の概要: Weave Mamba Fusion: Global Cross-Scale Interaction for Lightweight Face Detection

• arxiv url: http://arxiv.org/abs/2610.05865v1
• Date: Mon, 05 Oct 2026 06:31:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 03:41:31.907683
• Title: Weave Mamba Fusion: Global Cross-Scale Interaction for Lightweight Face Detection
• Title（参考訳）: Weave Mamba Fusion: 軽量顔検出のためのグローバルクロススケールインタラクション
• Abstract要約: 水平SS2Dスキャンの各ステップが1つのスケールからもう1つのスケールに移動するように,隣接する2つのピラミッドスケール列を円柱でインターリーブするtextbfWeave Mamba Fusion (WMF)を提案する。 WMFの平均AP値は91.41%で、0.34Mパラメータと1.16GFLOPしかなく、0.5Mパラメータで先行検出器よりも優れている。
• 参考スコア（独自算出の注目度）: 0.42970700836450487
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Feature pyramid methods, from FPN to BiFPN, have achieved strong performance in face detection by fusing multi-scale features. However, detecting faces under unconstrained conditions, such as small scale, occlusion, and extreme pose, remains difficult, as it requires global cross-scale dependencies that local fusion cannot model. State space models such as Mamba provide global context with linear complexity by scanning features as a sequence, and therefore offer a promising direction for this problem. Nevertheless, such a scan needs the two pyramid scales combined into a single feature map, and the way they are combined determines whether cross-scale structure is preserved. Summation collapses the two scales before the scan, so the scan has no cross-scale structure to exploit, while concatenation keeps both scales but at far higher cost. To address this, we propose \textbf{Weave Mamba Fusion (WMF)}, which interleaves two adjacent pyramid scales column by column so that each step of a horizontal bidirectional SS2D scan moves from one scale to the other. With partial-channel processing and parameter-free de-weaving, WMF enables efficient cross-scale interaction while preserving feature structure. Integrating WMF into every fusion node yields \textbf{WeaveBiFPN}, the neck of our \textbf{WeaveFace} detector. On WIDER FACE, WeaveFace achieves 91.41\% mean AP with only 0.34M parameters and 1.16 GFLOPs, outperforming prior detectors under 0.5M parameters. Its largest gains are on the Hard subset, where it reaches 87.14\% AP. The code is publicly available at \url{https://github.com/dohun-mat/WeaveMambaFusion}.
• Abstract（参考訳）: FPNからBiFPNまでの特徴ピラミッド法は、マルチスケールの特徴を融合させることにより、顔検出において高い性能を達成している。 しかし、局所融合がモデル化できないグローバルな相互依存を必要とするため、小さなスケールやオクルージョン、極端なポーズなどの制約のない条件下での顔の検出は依然として困難である。 Mambaのような状態空間モデルは、連続した特徴を走査することで線形複雑性を持つ大域的なコンテキストを提供し、そのためこの問題に対して有望な方向を提供する。 しかしながら、そのようなスキャンでは2つのピラミッドスケールを1つの特徴マップに組み合わせる必要があり、それらの組み合わせによって、クロススケール構造が保存されているかどうかが決定される。 加湿はスキャンの前に2つのスケールを崩壊させるので、スキャンにはクロススケールな構造が利用できない。 そこで本研究では,横方向SS2Dスキャンの各ステップが1つのスケールからもう1つのスケールに移動するように,隣接する2つのピラミッドスケール列を円柱でインターリーブする「textbf{Weave Mamba Fusion (WMF)」を提案する。 部分チャネル処理とパラメータフリーの除織により、WMFは特徴構造を保ちながら効率的なクロススケール相互作用を可能にする。 WMF を全ての融合ノードに統合すると、我々の \textbf{WeaveFace} 検出器のネックである \textbf{WeaveBiFPN} が生成される。 WIDER FACEでは、WeaveFaceは平均APが91.41\%、0.34Mパラメータと1.16GFLOPしかなく、0.5Mパラメータで先行検出器よりも優れている。 最大の利益はハード・サブセットであり、87.14 % APに到達している。 コードは \url{https://github.com/dohun-mat/WeaveMambaFusion} で公開されている。

関連論文リスト

• 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)
• DualSwinFusionSeg: Multimodal Martian Landslide Segmentation via Dual Swin Transformer with Multi-Scale Fusion and UNet++ [1.1666234644810893]
  モーダリティ固有の特徴抽出を分離し,マルチスケールのクロスモーダル融合を行うマルチモーダルセグメンテーションアーキテクチャであるDualSwinFusionSegを提案する。 このモデルは2つの並列Swin Transformer V2エンコーダを使用して、RGBと補助的な物理入力を独立に処理し、階層的な特徴表現を生成する。 PBVS 2026 Mars-LS ChallengeによるMMLSv2データセットの実験では、モダリティ固有のエンコーダと単純な結合に基づく融合により、限られた訓練データの下でのセグメンテーション精度が向上した。
  論文  参考訳（メタデータ） (2026-03-14T21:42:14Z)
• UAGLNet: Uncertainty-Aggregated Global-Local Fusion Network with Cooperative CNN-Transformer for Building Extraction [83.48950950780554]
  リモートセンシング画像からの抽出は、複雑な構造変化のために難しい課題である。 既存の方法は、セグメンテーションモデルにおけるマルチスケール特徴をキャプチャするために、畳み込みブロックまたは自己アテンションブロックを使用する。 高品質なグローバルローカルなビジュアルセマンティクスを活用するために,不確実性集約型グローバルローカルフュージョンネットワーク(UAGLNet)を提案する。
  論文  参考訳（メタデータ） (2025-12-15T02:59:16Z)
• OpenInsGaussian: Open-vocabulary Instance Gaussian Segmentation with Context-aware Cross-view Fusion [89.98812408058336]
  textbfOpenInsGaussian, textbfOpen-vocabulary textbfInstance textbfGaussian segmentation framework with Context-aware Cross-view Fusion。 OpenInsGaussianは、オープン語彙の3Dガウスのセグメンテーションにおける最先端の結果を達成し、既存のベースラインを大きなマージンで上回る。
  論文  参考訳（メタデータ） (2025-10-21T03:24:12Z)
• Multispectral State-Space Feature Fusion: Bridging Shared and Cross-Parametric Interactions for Object Detection [48.04749955821739]
  MS2Fusionと呼ばれる新しいマルチスペクトル状態空間特徴融合フレームワークが提案されている。 MS2フュージョンはデュアルパスパラメトリック相互作用機構を通じて効率的かつ効果的な融合を実現する。 我々のMS2Fusionは、主要なベンチマーク実験において、他の最先端のマルチスペクトルオブジェクト検出方法よりも大幅に優れています。
  論文  参考訳（メタデータ） (2025-07-19T14:38:03Z)
• SSLFusion: Scale & Space Aligned Latent Fusion Model for Multimodal 3D Object Detection [24.367371441506116]
  ディープニューラルネットワークに基づくマルチモーダル3Dオブジェクト検出は、確かに大きな進歩を遂げている。 しかし,2次元画像から抽出した特徴と3次元点雲から抽出した特徴との間の空間的情報とスケールのずれにより,依然として課題に直面している。 本稿では,3次元から2次元の空間アライメントモジュールと,遅延モードの相互融合モジュールからなる,新しいスケール・スペースアラインド・ラテントフュージョンモデルであるSSLFusionを紹介する。
  論文  参考訳（メタデータ） (2025-04-07T15:15:06Z)
• 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)
• Fusion-Mamba for Cross-modality Object Detection [63.56296480951342]
  異なるモダリティから情報を融合するクロスモダリティは、オブジェクト検出性能を効果的に向上させる。 We design a Fusion-Mamba block (FMB) to map cross-modal features into a hidden state space for interaction。 提案手法は,m3FD$が5.9%,FLIRデータセットが4.9%,m3FD$が5.9%である。
  論文  参考訳（メタデータ） (2024-04-14T05:28:46Z)
• AFPN: Asymptotic Feature Pyramid Network for Object Detection [16.86715579071991]
  本稿では,非隣接レベルでの直接対話を支援する機能ピラミッドネットワーク(AFPN)を提案する。 AFPNは隣接する2つの低レベル特徴を融合させ、融合プロセスに高レベル特徴を実現する。 提案したAFPNを2段階および1段階のオブジェクト検出フレームワークに組み込んで,MS-COCO 2017バリデーションとテストデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2023-06-28T07:58:49Z)

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。