論文の概要: LiG-DETR: Local-in-Global Reassembly in Latent Space for Aerial Object Detection
- arxiv url: http://arxiv.org/abs/2610.09511v1
- Date: Wed, 07 Oct 2026 06:07:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.747137
- Title: LiG-DETR: Local-in-Global Reassembly in Latent Space for Aerial Object Detection
- Title（参考訳）: LiG-DETR:空中物体検出のための潜時空間における局所グロバル再集合
- Abstract要約: 空中物体検出は、相当なスケールと密度の変動に直面している。
小さなオブジェクトは、ダウンサンプリングと特徴圧縮によって容易に分解される。
実験では, 強大物体性能を維持しながら, 中小物体に顕著な効果が認められた。
- 参考スコア（独自算出の注目度）: 24.642428392860296
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Aerial object detection faces substantial scale and density variations. Small objects are easily degraded by downsampling and feature compression, while medium and large objects require sufficient global context. Existing methods mainly follow two paradigms: image slicing provides clearer local evidence but relies on independent crop-level prediction and post-processing, whereas feature- and query-level optimization preserves unified inference but operates on already compressed full-image representations, limiting recovery of fine-grained information. This raises a key question: can aerial detection directly acquire high-fidelity local evidence before feature degradation and integrate it into a unified end-to-end framework? To this end, we propose LiG-DETR, an Efficient Global-Local Reassembly framework that reformulates image slicing as high-fidelity local feature acquisition. A shared encoder extracts global and locally magnified features, which are projected into the detector feature space. The projected local features are reassembled according to their original spatial locations to form a globally aligned local feature level, and a single DETR decoder jointly decodes global and local features. To reduce redundant computation, Context-Preserved Selective Reassembly focuses high-resolution encoding on informative regions while preserving a dense feature layout, and Density-Aware Adaptive Query Allocation adapts the decoder query budget using encoder proposal scores. Experiments show substantial gains on small and medium objects while retaining strong large-object performance, with favorable accuracy--efficiency trade-offs and improved cross-domain generalization. The code will be released.
- Abstract（参考訳）: 空中物体検出は、相当なスケールと密度の変動に直面している。
小さなオブジェクトはダウンサンプリングと特徴圧縮によって容易に分解され、中大オブジェクトと大オブジェクトは十分なグローバルコンテキストを必要とする。
既存の手法は主に2つのパラダイムに従う: 画像スライシングはより明確な局所的な証拠を提供するが、独立した作物レベルの予測と後処理に依存している。
空中検出は、特徴劣化の前に直接、高忠実な局所的な証拠を取得し、それを統合されたエンドツーエンドフレームワークに統合できるのか?
この目的のために,画像スライシングを高忠実度局所特徴獲得として再構成する効率的なグローバルローカル再集合フレームワークLiG-DETRを提案する。
共有エンコーダはグローバルかつ局所的に拡大された特徴を抽出し、検出器の特徴空間に投影する。
プロジェクションされた局所的特徴は、元の空間的位置に応じて再組み立てされ、グローバルに整列した局所的特徴レベルを形成し、単一のDETRデコーダがグローバルな特徴と局所的特徴を共同でデコードする。
冗長な計算を減らすため、Context-Preserved Selective Reassemblyは高精細な特徴レイアウトを維持しながら情報領域に高精細なエンコーディングを集中し、dentity-Aware Adaptive Query Allocationはエンコーダの提案スコアを使用してデコーダクエリ予算に適応する。
実験では, 高い大対象性能を維持しつつ, 高い精度・効率のトレードオフとクロスドメイン一般化の改善を図った。
コードはリリースされます。
関連論文リスト
- Global-Local Feature Decoding with Adapter-Guided SAMv2 for Salient Object Detection [24.900668326740497]
GLASSNetは、SAMv2をフリーズエンコーダとして使用し、軽量で空間的に認識された畳み込みアダプタによる学習可能なエンコーダパラメータを97%以上削減するグローバルローカ機能デコーダフレームワークである。
1つのデコーダは、拡張された受容領域でグローバルで長距離なセマンティクスをキャプチャし、もう1つはエッジやテクスチャのような細かな局所的な詳細をキャプチャする。
論文 参考訳（メタデータ） (2026-05-04T14:04:38Z) - Efficiency Follows Global-Local Decoupling [62.05489838893081]
ConvNeurは、軽量なニューラルメモリブランチがトークンの集合にグローバルなコンテキストを集約する2分岐アーキテクチャである。
学習ゲートは、グローバルなキューが目的を絞ることなく、局所的な特徴を調整できる。
標準的な分類、検出、セグメンテーションのベンチマークでは、ConvNeurは同等または低い計算で同等の選択肢にマッチするか、超えている。
論文 参考訳（メタデータ） (2026-03-20T02:20:16Z) - 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) - A Global-Local Cross-Attention Network for Ultra-high Resolution Remote Sensing Image Semantic Segmentation [1.833928124984226]
GLCANetはUHRリモートセンシングのための軽量セグメンテーションフレームワークである。
セルフアテンションメカニズムは、長距離依存関係を強化し、グローバル機能を強化し、セマンティック一貫性を改善するためにローカル詳細を保存する。
マスク付きクロスアテンション機構は、グローバルローカルな特徴を適応的に融合させ、グローバルコンテキストを活用しながら細かな詳細を選択的に強化し、セグメンテーション精度を向上させる。
論文 参考訳（メタデータ） (2025-06-24T08:20:08Z) - United Domain Cognition Network for Salient Object Detection in Optical Remote Sensing Images [21.76732661032257]
周波数領域と空間領域のグローバルローカル情報を共同で探索する新しい統一ドメイン認知ネットワーク(UDCNet)を提案する。
実験結果から提案したUDCNetが24種類の最先端モデルよりも優れていることが示された。
論文 参考訳（メタデータ） (2024-11-11T04:12:27Z) - ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection [65.59969454655996]
本稿では,変化領域を正確に推定するために,リッチな文脈情報を利用する効率的な変化検出フレームワークELGC-Netを提案する。
提案するELGC-Netは、リモートセンシング変更検出ベンチマークにおいて、最先端の性能を新たに設定する。
また,ELGC-Net-LWも導入した。
論文 参考訳（メタデータ） (2024-03-26T17:46:25Z) - LAW-Diffusion: Complex Scene Generation by Diffusion with Layouts [107.11267074981905]
LAW拡散(LAW-Diffusion)と呼ばれる意味制御可能なレイアウト・AWare拡散モデルを提案する。
LAW拡散は、特にコヒーレントな対象関係を持つ最先端の生成性能をもたらすことを示す。
論文 参考訳（メタデータ） (2023-08-13T08:06:18Z) - DETR Doesn't Need Multi-Scale or Locality Design [69.56292005230185]
本稿では,"プレーン"特性を維持できる改良型DETR検出器を提案する。
特定の局所性制約を伴わずに、単一スケールの機能マップとグローバルなクロスアテンション計算を使用する。
マルチスケールな特徴マップと局所性制約の欠如を補うために,2つの単純な技術が平易な設計において驚くほど効果的であることを示す。
論文 参考訳（メタデータ） (2023-08-03T17:59:04Z) - LCTR: On Awakening the Local Continuity of Transformer for Weakly
Supervised Object Localization [38.376238216214524]
弱教師付きオブジェクトローカライゼーション(WSOL)は、画像レベルのラベルだけでオブジェクトローカライザを学習することを目的としている。
本稿では,グローバルな特徴の局所認識能力を高めることを目的とした,LCTRと呼ばれるトランスフォーマー上に構築された新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2021-12-10T01:48:40Z) - Unifying Global-Local Representations in Salient Object Detection with Transformer [55.23033277636774]
我々は、視覚変換器という新しいアテンションベースのエンコーダを有能な物体検出に導入する。
非常に浅い層でのグローバルビューでは、トランスフォーマーエンコーダはより局所的な表現を保持する。
提案手法は,5つのベンチマークにおいて,他のFCN法およびトランスフォーマー法よりも優れていた。
論文 参考訳（メタデータ） (2021-08-05T17:51:32Z)
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。