論文の概要: Early versus Late RGB-Infrared Fusion for Counter-UAV Detection: A Comparative Study

• arxiv url: http://arxiv.org/abs/2610.29828v1
• Date: Wed, 21 Oct 2026 14:50:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.385965
• Title: Early versus Late RGB-Infrared Fusion for Counter-UAV Detection: A Comparative Study
• Title（参考訳）: 対UAV検出における早期と後期のRGB赤外線核融合法の比較研究
• Abstract要約: 本稿では、可視光(RGB)と赤外線(IR)融合によるUAV検出のための新しい戦略を提案する。 最初の関心事は、2つの異なるスペクトルを1つの画像にマージする画像レベル(初期)融合である。 2つ目のアプローチは、決定レベル(後期)融合と呼ばれ、2つの異なる検出パイプラインの出力境界ボックスを混合することに焦点を当てている。
• 参考スコア（独自算出の注目度）: 6.09963775570008
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a novel strategy for UAV detection through visible (RGB) and infrared (IR) fusion, in order to improve accuracy and precision in harsh environments and weather conditions. In this research, two opposite approaches have been studied and implemented: the first concerns image-level (early) fusion, which merges two different spectra into a single image to which one detector is applied. On the other hand, the second approach, called decision-level (late) fusion, focuses on blending together the output bounding boxes of two different detection pipelines, aiming to create a common result that can be applied to both spectra simultaneously. Both strategies have been extensively tested in a dedicated environment, which included alternating low and high brightness scenes, different backgrounds (sky and ground), distances (5, 25 and 60 m), altitudes and zoom levels (1X, 2X and 4X). These tests allowed for the assessment of actual detection capabilities and system reliability in real-world applications. Furthermore, the two fusion strategies were evaluated and compared over a set of aligned images in order to highlight the better approach of the two. The results indicate that early fusion achieves better raw performance, since it incorporates the thermal information from the beginning of the training process. However, late fusion presents an innovative and useful detection workflow that can be applied in cases of sensor or frame misalignment. Both positive and negative aspects have also been pointed out and discussed, in order to give a more comprehensive overview. Finally, the paper outlines implementation considerations and practical recommendations based on operational priorities. Overall, the findings contribute to the research in RGB-IR fusion modalities, with the goal of enhancing UAV detection capabilities.
• Abstract（参考訳）: 本稿では,可視光(RGB)と赤外線(IR)融合によるUAV検出のための新しい手法を提案する。 本研究では、2つの異なるスペクトルを1つの検出器が適用された1つの画像にマージする、画像レベル(初期)融合に関する2つの反対のアプローチを研究・実装した。 一方、第2のアプローチは、決定レベル(後期)融合と呼ばれ、2つの異なる検出パイプラインの出力境界ボックスを混合することに焦点を当て、両方のスペクトルに同時に適用可能な共通の結果を作成することを目的としている。 どちらの戦略も、低照度シーンと高照度シーン、異なる背景(スキーと地面)、距離(5, 25, 60 m)、高度とズームレベル(1X, 2X, 4X)の交互にテストされている。 これらのテストにより、実世界のアプリケーションにおける実際の検知能力とシステムの信頼性を評価することができる。 さらに,2つの融合戦略を評価し,一組の整列画像と比較し,両者のより良いアプローチを強調した。 その結果, 早期核融合は, トレーニングプロセス開始時の熱情報を組み込んだため, 良好な生特性が得られることがわかった。 しかし、レイトフュージョンは、センサーやフレームのミスアライメントの場合に応用可能な、革新的で有用な検出ワークフローを提供する。 より包括的な概要を提供するため、肯定的な側面と否定的な側面も指摘され、議論されている。 最後に,運用上の優先事項に基づく実装上の考慮事項と実践的な推奨事項について概説する。 全体として、この発見は、UAV検出能力の向上を目標として、RGB-IR融合モダリティの研究に寄与する。

関連論文リスト

• Efficient RGB-T Object Detection via Sparse Cross-Modality Fusion [16.654966330137054]
  RGB-T検出器は可視光と熱赤外モードの相補的な強度を利用する。 それらの多くは、重い双対のバックボーンと、全体像にまたがる徹底的な相互モダリティ融合に頼っている。 効率的なRGB-T検出のためのスパース融合機構を提案する。
  論文  参考訳（メタデータ） (2026-06-29T12:28:58Z)
• Modality-Decoupled RGB-Thermal Object Detector via Query Fusion [15.717929078660227]
  本稿では,モダリティ補間と分離のバランスをとるために,MDQF (Query Fusion) を用いたモダリティ分離RGB-T検出フレームワークを提案する。 提案手法は既存のRGB-T検出器に優れた性能を提供し,モダリティ独立性を向上する。
  論文  参考訳（メタデータ） (2026-01-13T11:32:29Z)
• Contrast-Guided Cross-Modal Distillation for Thermal Object Detection [1.8477401359673709]
  低いコントラストと弱い高周波キューは重複し、重複し、重複し、小さなオブジェクトを見逃し、クラスを混乱させる。 同じクラスの機能をまとめることで、インスタンスレベルの決定境界を鋭くする、トレーニングのみの目標を導入します。 実験では,提案手法は先行手法より優れ,最先端性能を実現した。
  論文  参考訳（メタデータ） (2025-11-03T10:38:01Z)
• DEYOLO: Dual-Feature-Enhancement YOLO for Cross-Modality Object Detection [5.946464547429392]
  照明の悪い環境での物体検出は、通常RGB画像でははっきりと見えないため、難しい作業である。 本稿では,デュアルエンハンスメントに基づくオブジェクト検出ネットワークDEYOLOを提案する。 提案手法は,SOTAオブジェクト検出アルゴリズムよりも明確なマージンで優れている。
  論文  参考訳（メタデータ） (2024-12-06T10:39:11Z)
• From Text to Pixels: A Context-Aware Semantic Synergy Solution for Infrared and Visible Image Fusion [66.33467192279514]
  我々は、テキスト記述から高レベルなセマンティクスを活用し、赤外線と可視画像のセマンティクスを統合するテキスト誘導多モード画像融合法を提案する。 本手法は,視覚的に優れた融合結果を生成するだけでなく,既存の手法よりも高い検出mAPを達成し,最先端の結果を得る。
  論文  参考訳（メタデータ） (2023-12-31T08:13:47Z)
• When Super-Resolution Meets Camouflaged Object Detection: A Comparison Study [135.19004496785408]
  Super Resolution (SR) と Camouflaged Object Detection (COD) は、コンピュータビジョンにおける様々なジョイントアプリケーションとのホットトピックである。 我々は、一般的なCODデータセット上で異なる超解像法をベンチマークする。 SR法により処理されたCODデータを用いて,異なるCODモデルのロバスト性を評価する。
  論文  参考訳（メタデータ） (2023-08-08T16:17:46Z)
• Target-aware Dual Adversarial Learning and a Multi-scenario Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection [65.30079184700755]
  本研究は、物体検出のために異なるように見える赤外線と可視画像の融合の問題に対処する。 従来のアプローチでは、2つのモダリティの根底にある共通点を発見し、反復最適化またはディープネットワークによって共通空間に融合する。 本稿では、融合と検出の連立問題に対する二段階最適化の定式化を提案し、その後、核融合と一般的に使用される検出ネットワークのためのターゲット認識デュアル逆学習(TarDAL)ネットワークに展開する。
  論文  参考訳（メタデータ） (2022-03-30T11:44:56Z)
• EPMF: Efficient Perception-aware Multi-sensor Fusion for 3D Semantic Segmentation [62.210091681352914]
  自律運転やロボティクスなど,多くのアプリケーションを対象とした3次元セマンティックセマンティックセグメンテーションのためのマルチセンサフュージョンについて検討する。 本研究では,知覚認識型マルチセンサフュージョン(PMF)と呼ばれる協調融合方式について検討する。 本稿では,2つのモードから特徴を分離して抽出する2ストリームネットワークを提案する。
  論文  参考訳（メタデータ） (2021-06-21T10:47:26Z)
• Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
  現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。 フェースフォージェリ検出に高周波雑音を用いることを提案する。 1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。 2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
  論文  参考訳（メタデータ） (2021-03-23T08:19:21Z)
• DPANet: Depth Potentiality-Aware Gated Attention Network for RGB-D Salient Object Detection [107.96418568008644]
  そこで我々は,DPANetという新しいネットワークを提案し,深度マップの可能性を明確にモデル化し,モーダル間の相補性を効果的に統合する。 深度ポテンシャル知覚を導入することにより、ネットワークは深度情報のポテンシャルを学習ベースで知覚することができる。
  論文  参考訳（メタデータ） (2020-03-19T07:27:54Z)

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。