論文の概要: S$^3$E-Det: A Strict Spatial-Spectral Equivariant Detector for Multispectral Object Detection
- arxiv url: http://arxiv.org/abs/2610.27882v1
- Date: Tue, 20 Oct 2026 09:06:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.734703
- Title: S$^3$E-Det: A Strict Spatial-Spectral Equivariant Detector for Multispectral Object Detection
- Title（参考訳）: S$3$E-Det:マルチスペクトル物体検出のためのStrict Space-Spectral Equivariant Detector
- Abstract要約: マルチスペクトル物体検出は、物質依存のスペクトル応答を利用するために検出器を必要とする。
既存のMOD検出器は差別的なスペクトル表現を学習するが、スペクトル秩序を保存する統一された機構は欠如している。
そこで我々は,S$3$E-Detを提案する。
MODA、HOD3K、DroneVehicle全体で、S$3$E-Detは高い検出精度とコンパクトなパラメータフットプリントを組み合わせ、回転誘起変動を低減させる。
- 参考スコア（独自算出の注目度）: 24.591032204075873
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multispectral object detection requires detectors to exploit material-dependent spectral responses while maintaining consistent localization under geometric variations. Existing MOD detectors learn discriminative spectral representations, yet lack a unified mechanism that preserves spectral order, adapts spectral-context fusion across pyramid levels, and regulates geometric responses under rotation. To address these limitations, we propose S$^3$E-Det, a strict spatial-spectral equivariant detector that couples ordered spectral modeling with transformation-consistent prediction. Spectral Order-aware Sampling Calibration (SOSC) imposes local order constraints on input-derived spectral features through first-order variation, while Common-Differential Equivariant Fusion (CDEF) adapts spectral-context aggregation across pyramid levels. A compact Geometric Alignment Head (GAH) reconciles invariant and equivariant output properties within a unified prediction stage. Across MODA, HOD3K, and DroneVehicle, S$^3$E-Det combines high detection accuracy with a compact parameter footprint and reduced rotation-induced variation. Code is available at https://github.com/Riiluo/S3E-Det.
- Abstract（参考訳）: マルチスペクトルオブジェクト検出は、幾何学的変動の下で一貫した局在を維持しながら、材料依存のスペクトル応答を利用する必要がある。
既存のMOD検出器は差別的なスペクトル表現を学習するが、スペクトル秩序を保ち、ピラミッド準位にわたってスペクトル-コンテキスト融合を適応し、回転中の幾何学的応答を調節する統一的なメカニズムは欠如している。
これらの制約に対処するため、S$^3$E-Detという、厳密な空間スペクトル同変検出器を提案する。
スペクトル次数対応サンプリング校正 (SOSC) は1次変分による入射スペクトル特徴の局所的な順序制約を課し、CDEF (Common-Differential Equivariant Fusion) はピラミッドレベルのスペクトルコンテキストアグリゲーションを適応させる。
コンパクトな幾何学的アライメントヘッド(GAH)は、統一予測段階において不変および同変出力特性を調整する。
MODA、HOD3K、DroneVehicleの他、S$^3$E-Detは高精度な検出精度とコンパクトなパラメータフットプリントを組み合わせ、回転誘起変動を低減する。
コードはhttps://github.com/Riiluo/S3E-Det.comで入手できる。
関連論文リスト
- HyperSAM: A Promptable Foundation Model for Hyperspectral Remote Sensing [57.56800341740446]
本稿では,データ中心のハイパースペクトル合成パイプラインとSegment Anything Model 3 (SAM3)に基づくスペクトル適応アーキテクチャを結合した,高速なハイパースペクトル基盤モデルを提案する。
データ側では、HyperSAMは物理インフォームド・アバンダンス・トランスファー・ジェネレータを通して高解像度のSpaceNetマルチスペクトル画像からフルスペクトル超スペクトル立方体を合成する。
モデル側の最新の実装では、凍ったSAM3 RGBイメージブランチ、RGBビジョン変換器(ViT)のトレーニング可能なハイパースペクトルサイドエンコーダ、コントロールネットスタイルのゼロ空間特徴注入、ライトウェイトなミキシングオブエキスパートマスクリファクタが使用されている。
論文 参考訳（メタデータ） (2026-09-29T12:10:13Z) - Fully Rotation-Equivariant Spectral-Spatial Learning for Multispectral Object Detection [26.632380150006753]
FressDetは、マルチスペクトルオブジェクト検出のための、完全に回転同変のスペクトル空間学習フレームワークである。
スペクトル構造の連続的、秩序的な性質を捉え、ピラミッド準位にわたって信頼できるスペクトル-空間融合を可能にする。
FressDetは、回転摂動の下でもより差別的で堅牢なスペクトル空間表現を学習する。
論文 参考訳（メタデータ） (2026-07-06T14:29:51Z) - Analytic Torsion and Spectral Gap Capture Persistent-Laplacian Performance [0.0]
持続ラプラシアンを3つの数学的基底不変量に蒸留するコンパクトなスペクトル表現を提案する。
これらの不変量は、スペクトル幾何学とトポロジカルラーニングの間に、原則的かつ固定長のインターフェースをもたらすことを示唆している。
論文 参考訳（メタデータ） (2026-06-15T17:28:57Z) - Physics-Aligned Spectral Mamba: Decoupling Semantics and Dynamics for Few-Shot Hyperspectral Target Detection [14.607792636586067]
SpecMambaは、安定したセマンティック表現とアジャイルのスペクトル適応を分離するフレームワークである。
検出精度とクロスドメインの一般化において、最先端の手法を一貫して上回る。
論文 参考訳（メタデータ） (2026-04-07T08:04:18Z) - Universal Sequential Changepoint Detection of Quantum Observables via Classical Shadows [62.751483592497806]
本研究では,前と後の状態が特定された環境での逐次量子変化点検出について検討する。
シャドーベース逐次変化点検出(eSCD)を導入する。
eSCDは、古典的な影に基づく普遍的な測定戦略と、電子検出器上に構築された非パラメトリックシーケンシャルテストを組み合わせる。
論文 参考訳（メタデータ） (2026-02-12T11:38:40Z) - On the Spectral Flattening of Quantized Embeddings [25.64641307046705]
超低精度での大規模言語モデルの訓練は、離散量子化制約と言語データの本質的な重み付きスペクトル特性の相違に根ざした不安定性によって、決定的に阻害される。
この研究は、LLMのスペクトル感度を定量化するだけでなく、安定な低ビット最適化に必要な条件としてスペクトル忠実性を確立する。
論文 参考訳（メタデータ） (2026-02-01T02:21:53Z) - CARL: Camera-Agnostic Representation Learning for Spectral Image Analysis [69.02751635551724]
スペクトルイメージングは、医療や都市景観の理解など、様々な領域で有望な応用を提供する。
スペクトルカメラのチャネル次元と捕獲波長のばらつきは、AI駆動方式の開発を妨げる。
本稿では,RGB,マルチスペクトル,ハイパースペクトル画像を用いたカメラ非依存表現学習モデルCARLを紹介する。
論文 参考訳（メタデータ） (2025-04-27T13:06:40Z) - DiffFormer: a Differential Spatial-Spectral Transformer for Hyperspectral Image Classification [3.271106943956333]
超スペクトル画像分類(HSIC)は、高次元データをスペクトル情報と空間情報で分析する可能性から注目されている。
本稿では、スペクトル冗長性や空間不連続性といったHSICの固有の課題に対処するために、差分空間スペクトル変換器(DiffFormer)を提案する。
ベンチマークハイパースペクトルデータセットの実験は、分類精度、計算効率、一般化可能性の観点から、DiffFormerの優位性を示す。
論文 参考訳（メタデータ） (2024-12-23T07:21:41Z) - Holistic Physics Solver: Learning PDEs in a Unified Spectral-Physical Space [54.13671100638092]
Holistic Physics Mixer (HPM) は、スペクトルと物理情報を統一された空間に統合するためのフレームワークである。
我々はHPMが精度と計算効率の両面で最先端の手法より一貫して優れていることを示す。
論文 参考訳（メタデータ） (2024-10-15T08:19:39Z) - Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。
本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。
我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
論文 参考訳（メタデータ） (2024-07-19T13:33:38Z)
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。