論文の概要: Cross-Spectral Feature Fusion for Multispectral Document Binarization

• arxiv url: http://arxiv.org/abs/2610.30863v1
• Date: Thu, 22 Oct 2026 07:42:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.272305
• Title: Cross-Spectral Feature Fusion for Multispectral Document Binarization
• Title（参考訳）: マルチスペクトル文書二元化のためのクロススペクトル特徴融合
• Abstract要約: 歴史文書のバイナライゼーションは, インク, 漂白スルー, 背景劣化が波長依存性の挙動を示す場合, 依然として困難である。 本研究は、適応型クロススペクトル特徴融合とターゲット構造ガイダンスがマルチスペクトル文書のバイナライゼーションを改善するかどうかを考察する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Historical document binarization remains challenging when faded ink, bleed-through, and background degradation exhibit wavelength-dependent behavior across visible and near-infrared observations. This study investigates whether adaptive cross-spectral feature fusion and targeted structural guidance can improve multispectral document binarization beyond fixed fusion and generic attention mechanisms. Four registered SMADI bands at 500, 600, 700, and 1000 nm are processed using a multi-branch conditional generative adversarial network (cGAN). Visible, NIR, and structural feature streams are fused at encoder depth L = 3 using spatial- and channel-wise softmax gating, while auxiliary edge maps derived from selected VIS-NIR band pairs provide targeted structural guidance. Nine controlled fusion and structural configurations are evaluated using five-fold document-level cross-validation, DIBCO-standard metrics, and Holm-corrected statistical testing. The F3 + NIR edge-guided configuration provides the strongest overall performance among the evaluated models, achieving mean F1 = 0.7916, p-FM = 0.8044, and IoU = 0.6654. Relative to the fixed Mid AVG baseline, it improves F1 by 0.0269, p-FM by 0.0360, and IoU by 0.0321, with all three gains remaining statistically significant after Holm correction. Mean NRM and DRD are also reduced, although these reductions are not statistically significant after correction. Targeted cross-spectral structural guidance provides an effective mechanism for regulating intermediate multispectral fusion, improving primary foreground-overlap performance while retaining the complete four-band observation.
• Abstract（参考訳）: 歴史文書のバイナライゼーションは、暗色インク、出血スルー、背景劣化が可視・近赤外観測における波長依存性の挙動を示す場合、依然として困難である。 本研究では, 適応型クロススペクトル特徴融合と対象構造ガイダンスが, 固定融合や汎用的注意機構を超えて多スペクトル文書のバイナライゼーションを改善することができるかを検討する。 500,600,700,1000nmの4つの登録SMADIバンドを,cGAN(multi-branch conditional generative adversarial network)を用いて処理する。 Visible, NIR, および構造的特徴ストリームはエンコーダ深さL = 3で空間的およびチャネル的にソフトマックスゲーティングを用いて融合し, 選択されたVIS-NIRバンド対から得られた補助エッジマップはターゲット構造ガイダンスを提供する。 5倍の文書レベルのクロスバリデーション、DIBCO標準メトリクス、ホルム補正統計検査を用いて、9つの制御された融合と構造構成を評価する。 F3 + NIRエッジ誘導構成は、評価されたモデルの中で最強の総合性能を提供し、平均F1 = 0.7916、p-FM = 0.8044、IoU = 0.6654を達成する。 固定されたミッドAVGベースラインとは対照的に、F1は0.0269、p-FMは0.0360、IoUは0.00321、ホルム補正後の3つの利得は統計的に有意である。 平均 NRM と DRD も減少するが、これらの減少は補正後に統計的に有意ではない。 ターゲット型クロススペクトル構造誘導は、中間多スペクトル核融合の制御に有効なメカニズムを提供し、全4バンド観測を保ちながら、第1次フォアグラウンドオーバーラップ性能を向上させる。

関連論文リスト

• No Scale Left Behind: Multi-Scale Autoencoder with Bi-directional Attention for Time Series Anomaly Detection [40.07090144991823]
  時系列異常検出(TSAD)は、医療、金融、産業モニタリング、その他の分野において重要な役割を果たす。 TSAD(MSCAD)のためのクロススケールアテンション付きマルチスケールオートエンコーダを提案する。 MSCADは、パッチサイズに応じて並列オートエンコーダブランチ上に構築された、半教師付きTSADフレームワークである。
  論文  参考訳（メタデータ） (2026-09-29T16:55:32Z)
• Prescriptive SVD-Inspired Attention via Spectral Energy Retention [1.915533973957082]
  自己注意は現代のトランスフォーマーアーキテクチャの中心であるが、その密集したドット積の定式化により、どの内部方向が構造的に重要であるかを特定することは困難である。 SVD-Inspired Attention (SVDA)は、クエリキーとスコアの相互作用に学習された対角スペクトルを導入することでこの問題の一部に対処する。
  論文  参考訳（メタデータ） (2026-09-21T10:02:37Z)
• Unsupervised Metal Artifact Reduction in Dental CBCT using Fine-tuned Cycle-Consistent Adversarial Networks [0.0]
  歯科インプラントにより生成された金属遺物は, コーンビームCT(CBCT)ボリュームを著しく低下させた。 高忠実度復元に最適化されたCycleGAN(Cycle-Consistent Adversarial Network)を用いた金属アーチファクト削減(MAR)のための教師なしディープラーニングフレームワークが提案されている。 このアーキテクチャは、U-NetベースのジェネレータとPatchGAN識別器を統合しており、特に、発生幻覚を緩和し、形態的整合性を維持するために調整されている。
  論文  参考訳（メタデータ） (2026-07-23T06:55:02Z)
• FUSE: Frequency-domain Unification and Spectral Energy Alignment for Multi-modal Object Re-Identification [41.52868809663972]
  本稿では,多モードReIDをスペクトル歪みとエネルギーアライメントの2段階プロセスとして再構成する周波数領域フレームワークであるFUSEを紹介する。 提案したスペクトル分解モジュールは、機能を低、中、高周波サブ空間に適応的に分割する。 RGBNT201、RGBNT100、MSVR310の実験では、FUSEは9.1% mAPと9.5% Rank-1の改善を達成した。
  論文  参考訳（メタデータ） (2026-06-18T10:21:32Z)
• FreqKD: Frequency-Decoupled Cross-Modal Knowledge Distillation for Infrared Object Detection [2.4089107936585235]
  大規模RGB基礎モデルから知識蒸留(KD)による赤外線画像への移行は依然として困難である。 本稿では,周波数分離蒸留フレームワークであるFreqKDを提案する。 KAISTマルチスペクトル歩行者検出では、FreqKDは64.1 mAP50を達成し、DINOv2ベースラインで2.4ポイント向上した。
  論文  参考訳（メタデータ） (2026-06-10T01:55:55Z)
• Contrast to Detect: Dynamic Graph Contrastive Regularization for Unsupervised Anomaly Detection in Multivariate Time Series [24.192601578775186]
  構造進化を抑圧するのではなく,学習信号に変換する,教師なしのフレームワークであるContrastADを提案する。 5つの実世界のベンチマークで、ContrastADは3つのデータセットでF1の平均値とAUCの最高値に達した。
  論文  参考訳（メタデータ） (2026-05-22T15:18:53Z)
• Less is More in Semantic Space: Intrinsic Decoupling via Clifford-M for Fundus Image Classification [13.23226865033351]
  フィードフォワード展開と周波数分割モジュールを疎幾何学的相互作用で置き換える軽量バックボーンであるClifford-Mを提案する。 プリトレーニングなしでは、Clifford-M は平均 AUC-ROC が 0.8142 で、平均マクロF1 が 0.5481 で、ODIR-5K は 0.85M のパラメータしか持たない。
  論文  参考訳（メタデータ） (2026-03-21T13:00:05Z)
• TriFusion-SR: Joint Tri-Modal Medical Image Fusion and SR [42.84193423224821]
  多モード医用画像融合は相補的構造情報と機能情報を集約することにより包括的診断を容易にする。 既存のアプローチは通常、画像融合と超解像(SR)を別々の段階で実行し、アーティファクトと知覚品質を劣化させる。 本稿では,TriFusionSRを提案する。TriFusionSRはウェーブレット誘導型三モード融合とSRのための条件拡散フレームワークである。
  論文  参考訳（メタデータ） (2026-03-10T14:13:40Z)
• Structure-Informed Estimation for Pilot-Limited MIMO Channels via Tensor Decomposition [51.56484100374058]
  本稿では、スパース観測から低ランクテンソル完備化としてパイロットリミテッドチャネル推定を定式化する。 合成チャネル実験による最小二乗平均二乗誤差(NMSE)の最小二乗平均誤差(LS)に対する改善 DeepMIMO線トレーシングチャネルの評価では、純粋なテンソル法よりも24-44%NMSEが減少している。
  論文  参考訳（メタデータ） (2026-02-03T23:38:05Z)
• MS-ISSM: Objective Quality Assessment of Point Clouds Using Multi-scale Implicit Structural Similarity [65.85858856481131]
  点雲の非構造的で不規則な性質は、客観的品質評価(PCQA)に重大な課題をもたらす マルチスケールインシシシット構造類似度測定(MS-ISSM)を提案する。
  論文  参考訳（メタデータ） (2026-01-03T14:58:52Z)
• Hyperspectral Anomaly Detection Fused Unified Nonconvex Tensor Ring Factors Regularization [37.478757438237714]
  本稿では、統合された非スペクトルフレームワーク(TR)正規化因子を組み込んだHAD-EUNTRFRを提案する。 提案手法は,既存のSOTA(State-of-the-art)アプローチを項項の精度で上回る。
  論文  参考訳（メタデータ） (2025-05-23T13:31:13Z)

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。