論文の概要: RiO-DETRv2: Geometry-Aware Uncertainty Modeling Meets Real-Time Oriented Object Detection Transformer

• arxiv url: http://arxiv.org/abs/2610.29159v1
• Date: Wed, 21 Oct 2026 03:48:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 09:50:43.229481
• Title: RiO-DETRv2: Geometry-Aware Uncertainty Modeling Meets Real-Time Oriented Object Detection Transformer
• Title（参考訳）: RiO-DETRv2: リアルタイムオブジェクト指向物体検出変換器を用いた幾何学的不確実性モデリング
• Abstract要約: RiO-DETRはオブジェクト指向オブジェクト検出のための最初のリアルタイムエンドツーエンドトランスである。 本稿では,リアルタイムオブジェクト指向物体検出のための幾何認識不確実性モデリングフレームワークRiO-DETRv2を提案する。
• 参考スコア（独自算出の注目度）: 19.415954019988668
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: RiO-DETR is the first real-time end-to-end transformer for oriented object detection, yet further localization gains require a more expressive box representation. Although distributional regression has succeeded in horizontal DETRs, extending it to oriented detection introduces geometry-misaligned boundary modeling and topology-inconsistent orientation refinement. We present RiO-DETRv2, a geometry-aware uncertainty modeling framework for real-time oriented object detection. To resolve the geometry mismatch, Object-Aligned Boundary Distribution Refinement represents box boundaries as probability distributions in an object-aligned coordinate system and progressively refines them across decoder layers. For better orientation topology consistency, we introduce Circular-to-Local Angular Residual Refinement that transitions from global periodic search to local fine-grained estimation. Unified OBB Quality-Aligned Learning further aligns classification, boundary and angular refinement with complete-OBB localization quality. Together, these designs improve localization without compromising efficiency, achieving a better balance between speed and accuracy. Specifically, RiO-DETRv2-l/x achieves 53.7/54.1 mAP50-95 on DOTA, outperforming RiO-DETR-l/x by 1.2/1.5 points with nearly unchanged computational cost. Code is available at https://github.com/RicePasteM/RiO-DETRv2.
• Abstract（参考訳）: RiO-DETRはオブジェクト指向オブジェクト検出のための最初のリアルタイムエンドツーエンド変換器であるが、さらなるローカライゼーションゲインはより表現力のあるボックス表現を必要とする。 分布回帰は水平DETRに成功しているが、方向検出に拡張すると、幾何学的ミスアライメント境界モデリングと位相的一貫性のない方向補正が導入される。 本稿では,リアルタイムオブジェクト指向物体検出のための幾何認識不確実性モデリングフレームワークRiO-DETRv2を提案する。 幾何学的ミスマッチを解決するために、オブジェクト指向境界分布制限(Object-Aligned boundary Distribution Refinement)は、ボックス境界をオブジェクト整列座標系における確率分布として表現し、デコーダ層にまたがってそれらを徐々に洗練する。 配向トポロジの整合性を改善するために,グローバルな周期探索から局所的な微粒化推定へ移行するCircular-to-Local Angular Residual Refinementを導入する。 統一 OBB Quality-Aligned Learning は、分類、境界、角の洗練を完全OBBのローカライゼーション品質と整合させる。 これらの設計は、効率を損なうことなくローカライゼーションを改善し、スピードと精度のバランスを良くする。 具体的には、 RiO-DETRv2-l/x は DOTA 上で 53.7/54.1 mAP50-95 を達成する。 コードはhttps://github.com/RicePasteM/RiO-DETRv2.comから入手できる。

関連論文リスト

• Diagnose-to-Generate: Eliminating Structural Distortions in Flow Models via Patch-Level Grounded Alignment [55.60663579540744]
  フローベース画像生成装置は強力なセマンティック合成を実現するが、それでも局所的な構造歪みを生じさせる。 textitDiagnose-to-Generate (D2G) は、画像診断と生成最適化を分離する基盤的アライメントフレームワークである。
  論文  参考訳（メタデータ） (2026-10-13T07:37:52Z)
• SphereSOD: Geometry-Structure Coupled Learning for 360 Salient Object Detection [75.77856258186854]
  360度高解像度物体検出は、全視野にわたって高解像度領域を正確に分割することを目的としている。 既存の手法は主に、パノラマ幾何学と健全な物体構造との相互作用を見越しながら、投影歪みを補正することに焦点を当てている。 SphereSODは、パノラマ幾何学と進化する塩分構造を結合したERPネイティブフレームワークである。
  論文  参考訳（メタデータ） (2026-09-07T14:47:54Z)
• GeoMAD: Geometry-Aware Multi-View Anomaly Detection via Deformable Fusion and Distributional Alignment [32.33973839948303]
  マルチビュー異常検出(MvAD)は、複数のカメラ視点からの相補的な観察を利用して欠陥を検出する。 既存の方法は通常2つの極端に該当する: ボクセルベースの融合は明示的な幾何学的アライメントを提供するが、コストがかかる3次元構造とクラス固有の仮定を必要とする。 幾何対応の不整合と分布不整合の両方に対処する統合多視点多クラスADフレームワークGeoMADを提案する。
  論文  参考訳（メタデータ） (2026-08-27T07:15:15Z)
• Angle-I2P: Angle-Consistent-Aware Hierarchical Attention for Cross-Modality Outlier Rejection [20.302748104301525]
  イメージ・ツー・ポイント・クラウド・レジストレーション(I2P)は、操作、グラッピング、ローカライゼーションといったロボットアプリケーションにおける基本的なタスクである。 本稿では,アングル-I2Pを提案する。アングル-I2Pは,アングル-一貫性のある幾何学的制約と階層的注意を生かした外乱リジェクションネットワークである。 提案手法は、7Scenes, RGBD Scenes V2, and a self-collected data。
  論文  参考訳（メタデータ） (2026-05-06T06:41:56Z)
• MRGeo: Robust Cross-View Geo-Localization of Corrupted Images via Spatial and Channel Feature Enhancement [15.9788448312641]
  クロスビュージオローカライゼーション (CVGL) は、対応するジオタグ付き衛星画像の検索により、ストリートビュー画像を正確にローカライズすることを目的としている。 以前の研究は、特定の標準データセット上でほぼ完璧なパフォーマンスを達成したが、現実の腐敗した環境での堅牢性は、まだ未調査のままである。 汚職下での堅牢なCVGLのための最初の体系的手法であるMRGeoを紹介する。
  論文  参考訳（メタデータ） (2026-03-13T02:37:43Z)
• RiO-DETR: DETR for Real-time Oriented Object Detection [24.653998728975623]
  RiO-DETRは、世界初のリアルタイム指向型検出トランスである。 リアルタイムの効率性を維持しながら、タスクネイティブ設計の問題を解決する。 コードは公開されます。
  論文  参考訳（メタデータ） (2026-03-10T09:25:20Z)
• IoUCert: Robustness Verification for Anchor-based Object Detectors [58.35703549470485]
  IoUCertは、アンカーベースのオブジェクト検出アーキテクチャにおいて、これらのボトルネックを克服するために設計された、新しい形式的検証フレームワークである。 本手法は, SSD, YOLOv2, YOLOv3など, 現実的なアンカーベースモデルの各種入力摂動に対するロバスト性検証を可能にする。
  論文  参考訳（メタデータ） (2026-03-03T14:36:46Z)
• Detecting Rotated Objects as Gaussian Distributions and Its 3-D Generalization [81.29406957201458]
  既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。 このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。 回転した物体をガウス分布としてモデル化することを提案する。 2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
  論文  参考訳（メタデータ） (2022-09-22T07:50:48Z)
• On the Arbitrary-Oriented Object Detection: Classification based Approaches Revisited [94.5455251250471]
  まず,既存の回帰型回転検出器が抱える境界問題は,角周期性や角秩序によって引き起こされることを示した。 我々は、角予測タスクを回帰問題から分類問題に変換する。 得られた円形分布角分類問題に対して、まず、角度の周期性に対処し、隣り合う角度に対する誤差耐性を高めるために、円スムースラベル法を考案する。
  論文  参考訳（メタデータ） (2020-03-12T03:23:54Z)

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。