論文の概要: CARNet: End-to-End Coupled Association-Recognition Network for Fine-Grained Multi-Drone Collaborative Detection

• arxiv url: http://arxiv.org/abs/2610.26312v1
• Date: Mon, 19 Oct 2026 12:56:48 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:42:13.811824
• Title: CARNet: End-to-End Coupled Association-Recognition Network for Fine-Grained Multi-Drone Collaborative Detection
• Title（参考訳）: CARNet:細粒度多次元協調検出のためのエンドツーエンド結合型アソシエーション認識ネットワーク
• Abstract要約: 重なり合う空中視点からの相補的な観測を活用することで、目標認識を強化することを目的としている。 既存のアプローチは通常、2段階のパイプラインに従い、まずクロスビュー対応を確立し、融合ベースの認識を実行する。 本稿では,協調型アソシエーション認識ネットワーク(CARNet)を提案し,クロスビュー対象アソシエーションと認識融合を協調的に最適化する。 さらに,MDMTデータセットの詳細な拡張であるMDMT-CDを提案する。
• 参考スコア（独自算出の注目度）: 10.696496137381368
• License:
• Abstract: Multi-drone collaborative detection aims to enhance target recognition by leveraging complementary observations from overlapping aerial viewpoints. Existing approaches typically follow a two-stage pipeline that first establishes cross-view correspondences and then performs fusion-based recognition. However, this decomposition suffers from inconsistent optimization objectives, redundant pairwise modeling, and irreversible error propagation, where incorrect associations inevitably undermine subsequent recognition performance. To overcome these limitations, we propose the Coupled Association-Recognition Network (CARNet), a unified framework that jointly optimizes cross-view target association and recognition fusion through a shared target-pair representation. To improve association reliability in densely populated scenes with visually similar targets, CARNet explicitly incorporates spatial cues into pairwise relation modeling. Moreover, we introduce two complementary causal-inspired intervention strategies: the first enhances cross-view association by emphasizing appearance-confusing pairs, while the second bolsters the robustness of fusion-based recognition by learning stable multi-view representations under incomplete visual evidence. In addition, we present MDMT-CD, a fine-grained extension of the MDMT dataset that enriches the original vehicle annotations with detailed category labels, providing the first benchmark specifically designed for multi-drone collaborative vehicle detection. Extensive experiments demonstrate that CARNet consistently outperforms existing state-of-the-art methods. The MDMT-CD dataset and source code will be available at https://github.com/bigdreaming11/CARNet.
• Abstract（参考訳）: 重なり合う空中視点からの相補的な観測を活用することで、目標認識を強化することを目的としている。 既存のアプローチは通常、2段階のパイプラインに従い、まずクロスビュー対応を確立し、融合ベースの認識を実行する。 しかし、この分解は、不整合最適化目標、冗長なペアワイズモデリング、および不整合がその後の認識性能を必然的に損なうような不可逆的エラー伝播に悩まされる。 このような制約を克服するため,我々は,共通目標ペア表現を通じて,クロスビュー目標アソシエーションと認識融合を協調的に最適化する統合フレームワークであるCoupled Association-Recognition Network (CARNet)を提案する。 視覚的に類似したターゲットを持つ密集したシーンにおける関連性を改善するため、CARNetは空間的手がかりをペアワイズ・リレーショナル・モデリングに明示的に組み込む。 さらに,2つの相補的因果的介入戦略を導入し,第1は外見にこだわるペアを強調し,第2は不完全な視覚的証拠の下で安定な多視点表現を学習することで,融合に基づく認識の堅牢性を高める。 さらに,MDMTデータセットの詳細な拡張であるMDMT-CDを提案する。 大規模な実験では、CARNetが既存の最先端メソッドを一貫して上回っていることが示されている。 MDMT-CDデータセットとソースコードはhttps://github.com/bigdreaming11/CARNetで入手できる。

関連論文リスト

• Local Consensus Enhanced Siamese Network with Reciprocal Loss for Two-view Correspondence Learning [35.5851523517487]
  2視点対応学習は通常、一致の信頼性と相対的なポーズを共同で予測するエンドツーエンドネットワークを確立する。 本稿では,既存のモデルの特徴を増強するローカル・フィーチャー・コンセンサス (LFC) プラグイン・ブロックを提案する。 我々は既存のモデルを相互予測の監督を生かした相互損失を伴うシームズネットワークに拡張する。
  論文  参考訳（メタデータ） (2023-08-06T22:20:09Z)
• Efficient Bilateral Cross-Modality Cluster Matching for Unsupervised Visible-Infrared Person ReID [56.573905143954015]
  本稿では, クラスタ間マッチングによるモダリティギャップを低減するための, クラスタマッチングに基づく新たな学習フレームワークを提案する。 このような監視信号の下では、クラスタレベルで特徴を協調的に整列させるために、モダリティ・特定・モダリティ・非依存(MSMA)コントラスト学習フレームワークが提案されている。 公開SYSU-MM01とRegDBデータセットの実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-05-22T03:27:46Z)
• CoADNet: Collaborative Aggregation-and-Distribution Networks for Co-Salient Object Detection [91.91911418421086]
  Co-Salient Object Detection (CoSOD)は、2つ以上の関連する画像を含む所定のクエリグループに繰り返し現れる健全なオブジェクトを発見することを目的としている。 課題の1つは、画像間の関係をモデリングし、活用することによって、コ・サリヤ・キューを効果的にキャプチャする方法である。 我々は,複数画像から有能かつ反復的な視覚パターンを捉えるために,エンドツーエンドの協調集約配信ネットワーク(CoADNet)を提案する。
  論文  参考訳（メタデータ） (2020-11-10T04:28:11Z)
• Cascaded Human-Object Interaction Recognition [175.60439054047043]
  マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。 各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。 慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
  論文  参考訳（メタデータ） (2020-03-09T17:05:04Z)

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。