論文の概要: SGLDet: Spectral-aware Global-Local Dynamic Modeling for Multispectral Aerial Object Detection

• arxiv url: http://arxiv.org/abs/2610.27883v1
• Date: Tue, 20 Oct 2026 09:06:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.735128
• Title: SGLDet: Spectral-aware Global-Local Dynamic Modeling for Multispectral Aerial Object Detection
• Title（参考訳）: SGLDet:マルチスペクトル空中物体検出のためのスペクトル認識グローバルローカルダイナミックモデリング
• Abstract要約: マルチスペクトル空中物体検出は、複雑な空域における物体検出の課題に対処するために、スペクトル空間的手がかりを活用することを目的としている。 既存の手法は主にスペクトル-空間分離とオブジェクト-認識スペクトル-空間融合に着目し、スペクトル利用を改善する。 マルチスペクトル空中物体検出のためのスペクトル対応グローバル局所動的モデリングフレームワークであるSGLDetを提案する。
• 参考スコア（独自算出の注目度）: 26.632380150006753
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multispectral aerial object detection aims to exploit spectral-spatial cues to address object detection challenges in complex aerial scenes. Existing methods mainly focus on spectral-spatial decoupling and object-aware spectral-spatial fusion to improve spectral utilization. However, two critical issues remain underexplored: 1) severe foreground-background imbalance caused by large scene coverage hinders reliable object recognition; 2) aerial objects exhibit substantial local variations in scale, orientation, and structure, which hinder accurate localization. To address these issues, we propose SGLDet, a spectral-aware global-local dynamic modeling framework for multispectral aerial object detection, which is motivated by the observation that object semantics are jointly determined by global spectral consistency and scene context, while precise localization requires dynamic feature modulation conditioned on the input spectral and spatial properties. To realize these properties, SGLDet consists of three coordinated components: a Spectral-driven Global Dynamic Modeling module that aggregates spectrally related features across the scene via similarity-guided sparse matching; a Multi-scale Global Context Integration module that constructs a compact scene memory for scene-guided contextual reasoning; and a Spectral-aware Input-dependent Calibration Aggregation module that performs expert-kernel aggregation with scene-guided spectral-spatial calibration to enable adaptive local feature modulation. Extensive experiments on MODA, HOD3K, and DroneVehicle demonstrate that SGLDet achieves superior performance with competitive computational cost. Code is available at https://github.com/Riiluo/SGLDet.
• Abstract（参考訳）: マルチスペクトル空中物体検出は、複雑な空域における物体検出の課題に対処するために、スペクトル空間的手がかりを活用することを目的としている。 既存の手法は主にスペクトル-空間分離とオブジェクト-認識スペクトル-空間融合に着目し、スペクトル利用を改善する。 しかし、2つの重大な問題が未解決のままである。 1) 大地被覆による重度前景不均衡は、信頼性の高い物体認識を妨げる。 2) 空中物体は, スケール, 向き, 構造にかなりの局所的な変化を示し, 正確な位置決めを妨げている。 これらの問題に対処するために,SGLDetを提案する。SGLDetは,オブジェクトのセマンティクスがグローバルなスペクトル一貫性とシーンコンテキストによって共同で決定されるのに対して,正確な局所化には入力スペクトルと空間特性を条件とした動的特徴変調が必要であるという観測から動機づけられた,マルチスペクトル空中物体検出のためのスペクトル対応グローバル局所動的モデリングフレームワークである。 これらの特性を実現するため、SGLDetは3つの調整されたコンポーネントで構成されている: 類似性誘導スパースマッチングにより、シーン全体でスペクトル関連の特徴を集約するスペクトル駆動グローバルダイナミックモデリングモジュール、シーン誘導コンテキスト推論のためのコンパクトなシーンメモリを構築するマルチスケールグローバルコンテキスト統合モジュール、そして、シーン誘導スペクトル空間キャリブレーションによるエキスパートカーネルアグリゲーションとシーン誘導スペクトル空間キャリブレーションを適応的な局所的特徴変調を可能にするスペクトル認識入力依存キャリブレーションモジュール。 MODA、HOD3K、DroneVehicleの大規模な実験は、SGLDetが競争計算コストで優れたパフォーマンスを達成することを示した。 コードはhttps://github.com/Riiluo/SGLDet.comで入手できる。

関連論文リスト

• MSP-Net: Manifold-Guided Spectral Prompt Network for Hyperspectral Object Tracking [11.03462046191901]
  ハイパースペクトルオブジェクトトラッキングは、複雑なシーンにおけるターゲット識別にユニークな利点を提供する。 既存の方法は、高スペクトル画像をRGB画像のマルチチャネル拡張として扱い、固定帯域順序で特徴融合を行う。 マニフォールド誘導分光プロンプトネットワーク(MSP-Net)を提案する。 HOT2020 と HOT2023 の実験では、MSP-Net は AUC と Precision をそれぞれ 0.80 と 0.96 を超える精度で達成している。
  論文  参考訳（メタデータ） (2026-08-10T13:09:25Z)
• Spectral-Spatial Synergistic Guided Network for Hyperspectral Salient Object Detection [29.979358462284623]
  本稿では,オブジェクト検出のための軽量かつ効率的なスペクトル空間合成ガイドネットワーク(S3GNet)を提案する。 S3GNetは、スペクトルロバストモデリング、クロスストリームコパーセプション、マルチスケールリファインメントデコーディングを中心とした閉ループ情報フローを構築する。 実験の結果,S3GNetは従来の手法に比べて計算効率と検出精度の両面で優れた性能を示した。
  論文  参考訳（メタデータ） (2026-07-23T08:14:32Z)
• Dynamic Spectral Denoising with Global-Context Attention for Multi-Behavior Recommendation [58.33732779555114]
  重要なボトルネックは、2つの結合した不均一性によって引き起こされる表現レベルの失敗である、と我々は主張する。 マルチビヘイビアレコメンデーション(SpectraMB)のためのグローバルコンテキストを考慮した動的スペクトルデノベーションを提案する。 SpectraMBは、ほとんどの評価設定で最高の結果を達成し、ノイズのある相互作用下での堅牢性の向上を示す。
  論文  参考訳（メタデータ） (2026-06-01T15:58:13Z)
• G2HFNet: GeoGran-Aware Hierarchical Feature Fusion Network for Salient Object Detection in Optical Remote Sensing Images [76.1829298714382]
  既存の手法では、一様注意機構を用いて複数の特徴を単一スケールで抽出するのが一般的である。 光リモートセンシング画像における幾何的および粒度をフル活用するGeoGran-Aware grained Feature Fusion Network (G2HFNet)を提案する。
  論文  参考訳（メタデータ） (2026-03-13T05:52:00Z)
• RDNet: Region Proportion-Aware Dynamic Adaptive Salient Object Detection Network in Optical Remote Sensing Images [78.19052099452695]
  地域分布を考慮した動的適応型オブジェクト検出ネットワーク(RDNet)を提案する。 RDNetはグローバルコンテキストモデリングのためにCNNのバックボーンをSwinTransformerに置き換える。 スケールの変動や正確なローカライゼーションに対して堅牢性を実現し、最先端の手法と比較して優れた検出性能を提供する。
  論文  参考訳（メタデータ） (2026-03-12T17:34:29Z)
• Local Precise Refinement: A Dual-Gated Mixture-of-Experts for Enhancing Foundation Model Generalization against Spectral Shifts [26.40090723572808]
  スペクトルリモートセンシングにおけるドメイン一般化セマンティック(DGSS)は、様々な取得条件のスペクトルシフトによって深刻な課題となる。 本稿では,DGSSのための新しいPEFTフレームワークであるSpectralMoEを提案する。
  論文  参考訳（メタデータ） (2026-03-08T04:53:05Z)
• SSF-Net: Spatial-Spectral Fusion Network with Spectral Angle Awareness for Hyperspectral Object Tracking [21.664141982246598]
  ハイパースペクトルビデオ(HSV)は、空間的、スペクトル的、時間的情報を同時に提供する。 既存の手法は主にバンド再編成に重点を置いており、特徴抽出のためにRGBトラッカーに依存している。 本稿では、超スペクトル(HS)物体追跡において、スペクトル角認識(SST-Net)を用いた空間-スペクトル融合ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-03-09T09:37:13Z)
• Frequency Perception Network for Camouflaged Object Detection [51.26386921922031]
  周波数領域のセマンティック階層によって駆動される新しい学習可能かつ分離可能な周波数知覚機構を提案する。 ネットワーク全体では、周波数誘導粗い局所化ステージと細部保存の微細局在化ステージを含む2段階モデルを採用している。 提案手法は,既存のモデルと比較して,3つのベンチマークデータセットにおいて競合性能を実現する。
  論文  参考訳（メタデータ） (2023-08-17T11:30:46Z)

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。