論文の概要: Multi-View Structural Representations for Physically-Consistent TeX Generation

• arxiv url: http://arxiv.org/abs/2610.25695v1
• Date: Mon, 19 Oct 2026 02:42:01 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:41:17.593428
• Title: Multi-View Structural Representations for Physically-Consistent TeX Generation
• Title（参考訳）: 物理的に一貫性のあるTeX生成のための多視点構造表現
• Abstract要約: MVR-MoEは、赤外線と可視画像から固有の構造的手がかりを抽出し、それらをマルチビュー表現に整理する。 階層的ルーティング機構は、構造ビューレベルと専門家レベルの両方の機能利用を規制する。 予測温度、放射率、テクスチャマップは、物理的に整合性を確保するためにステファン・ボルツマン法則によって制約される。
• 参考スコア（独自算出の注目度）: 27.20154431923253
• License:
• Abstract: Infrared and visible images provide complementary cues for low-light image generation, and physics-based methods can better exploit this complementarity. However, existing physics-based methods still rely heavily on paired data. To address these limitations, we propose Multi-View Routing Mixture-of-Experts (MVR-MoE), a framework for physically consistent TeX generation that learns multi-view structural representations. MVR-MoE mines intrinsic structural cues from infrared and visible images to organize them into multi-view representations, while the proposed multi-view hyper connections expand the feature space and preserve both shared evidence and modality-specific details. A hierarchical routing mechanism further regulates feature utilization at both the structural-view level and the expert level, enabling adaptive exploitation of heterogeneous cues. The predicted temperature, emissivity, and texture maps are constrained by the Stefan-Boltzmann law to ensure physically consistent. Extensive experiments on challenging datasets demonstrate that MVR-MoE achieves superior robustness and discriminability while remaining lightweight.
• Abstract（参考訳）: 赤外線と可視画像は、低照度画像生成のための補完的手がかりを提供する。 しかし、既存の物理学に基づく手法は、いまだにペア化されたデータに大きく依存している。 これらの制約に対処するため,多視点構造表現を学習する物理的に一貫したTeX生成フレームワークであるMVR-MoEを提案する。 MVR-MoEは、赤外線と可視画像から固有の構造的手がかりを抽出し、それらをマルチビュー表現に整理する一方、提案されたマルチビューハイパーコネクションは特徴空間を拡張し、共有エビデンスとモダリティ固有の詳細の両方を保持する。 階層的ルーティング機構は、構造ビューレベルと専門家レベルの両方の機能利用を更に規制し、不均一なキューの適応的利用を可能にする。 予測温度、放射率、テクスチャマップは、物理的に整合性を確保するためにステファン・ボルツマン法則によって制約される。 挑戦的なデータセットに関する大規模な実験は、MVR-MoEが軽量を維持しながら優れた堅牢性と差別性を達成していることを示している。

関連論文リスト

• VesperMUSE: Multi-Modal Fusion Vision Transformer for Image Semantic Segmentation Under Diverse Light Conditions [0.565221659683104]
  VesperMUSEは、様々な照明条件にまたがる堅牢な画像セマンティックセグメンテーションを実現するために設計された、統一されたマルチモーダルフレームワークである。 視覚的手がかりの欠如を回復し、極端および非構造化の現実世界環境におけるマシン認識のための柔軟な最先端(SOTA)ソリューションを提供する。
  論文  参考訳（メタデータ） (2026-10-15T14:39:21Z)
• OmniRSI: Taming Latent Diffusion for Unified Multimodal Remote Sensing Image Generation [57.95351922560686]
  我々は,マルチモーダルリモートセンシング画像生成モデルOmniRSIを提案する。 具体的には,マルチモーダル先行情報をキャプチャするリモートセンシング特異的変分オートエンコーダを開発する。 また,複数モーダル情報を生成することで,不完全な視覚条件を反復的に強化する学習自由巡回潜時アライメント機構を考案した。
  論文  参考訳（メタデータ） (2026-10-11T07:32:15Z)
• MSGAT: Multi-Head Spiking Graph Attention with Similarity-Space Fusion for Image-Text Retrieval [73.03281886969113]
  スパイキングニューラルネットワーク(SNN)は、スパースイベント駆動計算によるエネルギー効率の高い計算パラダイムを提供する。 画像テキスト検索(ITR)のような高レベルのマルチモーダルタスクにSNNを適用することは依然として困難である。 粗さときめ細かなマッチング関係を統合した類似性空間の融合アライメント戦略である textbfSim-Fuse を導入する。
  論文  参考訳（メタデータ） (2026-10-08T08:56:27Z)
• Universal Pansharpening Foundation Model [67.10467574892282]
  高分解能マルチスペクトル(MS)画像は、テクスチャリッチパンクロマティック(PAN)画像と低分解能MS画像からのスペクトル特性から空間的詳細を統合することで生成する。 本稿では,衛星非依存およびシーンロバスト融合のための普遍的パンシャーピング基盤モデルFoundPSを提案する。
  論文  参考訳（メタデータ） (2026-03-04T08:30:15Z)
• ThermoSplat: Cross-Modal 3D Gaussian Splatting with Feature Modulation and Geometry Decoupling [11.169420448510095]
  ThermoSplatは、アクティブな特徴変調と適応幾何学的デカップリングにより、スペクトル認識の深い再構成を可能にする新しいフレームワークである。 RGBT-Scenesデータセットの実験により、ThermoSplatは可視スペクトルと熱スペクトルの両方にわたって最先端のレンダリング品質を達成することが示された。
  論文  参考訳（メタデータ） (2026-01-22T12:24:26Z)
• Perceptual Region-Driven Infrared-Visible Co-Fusion for Extreme Scene Enhancement [8.10747908396949]
  マルチ露光とマルチモーダルイメージングを組み合わせた地域認識に基づく融合フレームワークを提案する。 このフレームワークは、極端環境における単一露光法制限を克服し、マルチモーダル・マルチ露光データを融合する。 合成データと実世界のデータの両方で行った実験は、最先端の手法と比較して画像の明瞭さが優れ、性能が向上した。
  論文  参考訳（メタデータ） (2025-12-06T11:17:35Z)
• MSGFusion: Multimodal Scene Graph-Guided Infrared and Visible Image Fusion [10.160499805076755]
  赤外線および可視画像のためのマルチモーダルシーングラフ誘導融合フレームワークであるMSGFusionを紹介する。 テキストと視覚から得られる構造化されたシーングラフを深く結合することにより、MSGFusionはエンティティ、属性、空間関係を明示的に表現する。 低照度オブジェクト検出、セマンティックセグメンテーション、医療画像融合といった下流タスクにおいて、セマンティック一貫性と一般化性を提供する。
  論文  参考訳（メタデータ） (2025-09-16T09:58:06Z)
• High-Fidelity Scientific Simulation Surrogates via Adaptive Implicit Neural Representations [51.90920900332569]
  入射神経表現(INR)は空間的に構造化されたデータをモデリングするためのコンパクトで連続的なフレームワークを提供する。 近年のアプローチでは、剛性幾何学的構造に沿った付加的な特徴を導入することでこの問題に対処している。 機能適応型INR(FA-INR)を提案する。
  論文  参考訳（メタデータ） (2025-06-07T16:45:17Z)
• Fusion of Infrared and Visible Images based on Spatial-Channel Attentional Mechanism [3.388001684915793]
  Infrared and visible image fusion (IVIF) の革新的アプローチであるAMFusionNetを提案する。 可視光源からのテクスチャ特徴と赤外線画像からの熱的詳細を同化することにより,包括的情報に富んだ画像を生成する。 提案手法は, 品質と量の観点から, 最先端のアルゴリズムより優れている。
  論文  参考訳（メタデータ） (2023-08-25T21:05:11Z)
• Multi-Spectral Image Stitching via Spatial Graph Reasoning [52.27796682972484]
  空間グラフ推論に基づくマルチスペクトル画像縫合法を提案する。 同一のビュー位置から複数スケールの補完機能をノードに埋め込む。 空間的・チャネル的次元に沿った長距離コヒーレンスを導入することにより、画素関係の相補性とチャネル相互依存性は、整列したマルチビュー特徴の再構築に寄与する。
  論文  参考訳（メタデータ） (2023-07-31T15:04:52Z)
• Unsupervised Misaligned Infrared and Visible Image Fusion via Cross-Modality Image Generation and Registration [59.02821429555375]
  我々は、教師なし不整合赤外線と可視画像融合のための頑健な相互モダリティ生成登録パラダイムを提案する。 登録された赤外線画像と可視画像とを融合させるため,IFM (Feature Interaction Fusion Module) を提案する。
  論文  参考訳（メタデータ） (2022-05-24T07:51:57Z)

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。