Fugu-MT 論文翻訳(概要): FGD2HF: Frequency-guided Dual-domain Hypergraph Fusion for Semantic Segmentation

論文の概要: FGD2HF: Frequency-guided Dual-domain Hypergraph Fusion for Semantic Segmentation

arxiv url: http://arxiv.org/abs/2610.34734v1
Date: Mon, 26 Oct 2026 02:33:54 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-27 22:27:13.685813
Title: FGD2HF: Frequency-guided Dual-domain Hypergraph Fusion for Semantic Segmentation
Title（参考訳）: FGD2HF : セマンティックセグメンテーションのための周波数誘導デュアルドメインハイパーグラフ固定法
Abstract要約: 本稿では、周波数特性を利用して空間領域融合と拡張を誘導する二重領域融合ネットワークを提案する。我々のフルFGD2HF-BモデルはADE20K上で48.7% mIoU(GFLOPsが18%少ないSegMAN-Bで+0.3%)、Cityscapesで83.2% mIoU(GFLOPsが21%少ないSegMAN-Bで83.2% mIoU)、SBDでVWFormer-Tで21%少ないSBDで1.1% mIoUを達成する。
参考スコア（独自算出の注目度）: 6.280251339509625
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Frequency-domain information is beneficial for semantic segmentation. However, existing frequency-based methods often suffer from insufficient frequency utilization, inefficient fusion, and high computational complexity. To address these issues, we propose FGD2HF, a dual-domain fusion network that leverages frequency features to guide spatial-domain fusion and enhancement. Specifically, we introduce a novel Hybrid-Attention Encoder (NAHA) that jointly models local and global relationships through neighborhood and hypergraph attention, enhancing the network's ability to extract effective features. We further introduce a Wavelet Transform and Enhancement (WTE) module to extract and refine low- and high-frequency cues from preceding-stage features, followed by Frequency-guided Dual-domain Fusion (FGDF) modules that use frequency cues to condition current-stage spatial grouping and feature propagation. This design incorporates both global and local frequency guidance into spatial feature modulation, enhancement and fusion with low computational cost. Extensive comparisons with numerous state-of-the-art semantic segmentation methods demonstrate that our method is highly competitive. Our full FGD2HF-B model achieves 48.7% mIoU on ADE20K (+0.3% over SegMAN-B with 18% fewer GFLOPs), 83.2% mIoU on Cityscapes (comparable to SegMAN-B with 21% fewer GFLOPs), and 1.1% higher mIoU than VWFormer-T on SBD with 21% fewer GFLOPs, while also achieving significant improvements in boundary segmentation accuracy.
Abstract（参考訳）: 周波数領域情報は意味的セグメンテーションに有用である。しかし、既存の周波数ベースの手法は、しばしば周波数利用の不足、非効率な融合、高い計算複雑性に悩まされる。これらの問題に対処するために、周波数特性を利用して空間領域融合と拡張を誘導する二重領域融合ネットワークFGD2HFを提案する。具体的には,局所的・グローバルな関係を局所的・ハイパーグラフ的関心事を通じて共同でモデル化し,ネットワークの効果的な特徴抽出能力を高めるハイブリッド・アテンション・エンコーダ(NAHA)を提案する。さらに、ウェーブレット変換・拡張(WTE)モジュールを導入し、前段特徴から低周波および高周波のキューを抽出・精錬し、次いで周波数誘導デュアルドメイン融合(FGDF)モジュールを用いて、現在段空間的なグルーピングと特徴伝播を条件とした。この設計は、大域的および局所的な周波数誘導の両方を、計算コストの低い空間的特徴変調、拡張、融合に取り入れている。多くの最先端セマンティックセグメンテーション手法との比較により,本手法の競争力が高いことが示された。我々のフルFGD2HF-BモデルはADE20K上の48.7% mIoU(GFLOPsを18%減らしたSegMAN-Bより+0.3%減ったSegMAN-Bより83.2% mIoU(GFLOPsを21%減らしたSegMAN-Bと比較して)、SBD上のVWFormer-Tよりも1.1%高いmIoU(GFLOPsを21%減らした)を達成し、また境界セグメンテーション精度を大幅に改善した。

関連論文リスト

Bidirectional Cross-frequency Domain Interaction Network for UHD Low-Light Image Enhancement [47.09931245398363]
UHD LLIEのための双方向クロス周波数領域相互作用ネットワーク(BiFreqNet)を提案する。 BiFreqNetは、事前訓練された可変オートエンコーダ(VAE)のマルチスケール表現にデュアルドメイン・フィーチャー・インタラクション(DFI)モジュールを組み込む 4つの一般およびUHD LLIEベンチマークの実験により、BiFreqNetは最先端の手法と比較して、競争力または優れた性能を発揮することが示された。
論文参考訳（メタデータ） (2026-10-24T02:28:30Z)
Adaptive Frequency Domain Alignment Network for Medical image segmentation [12.523227863301988]
本稿では,適応周波数領域アライメントネットワーク(AFDAN)を提案する。 AFDANは3つのコアコンポーネントを統合し、堅牢なドメイン間の知識伝達を可能にする。 IoU (Intersection over Union) は90.9%、IoU (Intersection over Union) は82.6%である。
論文参考訳（メタデータ） (2025-12-18T10:40:49Z)
Wavelet-Guided Dual-Frequency Encoding for Remote Sensing Change Detection [67.84730634802204]
リモートセンシング画像の変化検出は,自然災害監視,都市拡張追跡,インフラ管理など,さまざまな工学的応用において重要な役割を担っている。既存のほとんどの手法は空間領域モデリングに依存しており、特徴表現の限られた多様性は微妙な変化領域の検出を妨げる。本研究では、特にウェーブレット領域における周波数領域の特徴モデリングが周波数成分の微細な違いを増幅し、空間領域において捉えにくいエッジ変化の知覚を高めることを観察する。
論文参考訳（メタデータ） (2025-08-07T11:14:16Z)
Efficient Dual-domain Image Dehazing with Haze Prior Perception [26.57698394898644]
トランスフォーマーベースのモデルは、シングルイメージのデハージングにおいて強力なグローバルモデリング能力を示すが、その高い計算コストはリアルタイム適用性を制限する。そこで我々はDGFDNet(Dark Channel Guided Frequency-aware Dehazing Network)を提案する。 4つのベンチマークハウズデータセットの実験により、DGFDNetは、より優れた堅牢性とリアルタイム効率で最先端のパフォーマンスを達成することを示した。
論文参考訳（メタデータ） (2025-07-15T06:56:56Z)
FADPNet: Frequency-Aware Dual-Path Network for Face Super-Resolution [70.61549422952193]
計算コストの制限による顔超解像(FSR)は未解決の問題である。既存のアプローチでは、全ての顔のピクセルを等しく扱い、計算資源を最適以下に割り当てる。本稿では、低周波成分と高周波成分に顔の特徴を分解する周波数対応デュアルパスネットワークであるFADPNetを提案する。
論文参考訳（メタデータ） (2025-06-17T02:33:42Z)
F2Net: A Frequency-Fused Network for Ultra-High Resolution Remote Sensing Segmentation [10.67983913373955]
F2Netは、UHR画像を特殊な処理のために高周波数成分と低周波数成分に分解する周波数認識フレームワークである。ハイブリッド周波数融合モジュールは、2つの新しい目的によって導かれるこれらの観測を統合する。 F2Netは、それぞれ80.22のmIoUと83.39の最先端のパフォーマンスを実現している。
論文参考訳（メタデータ） (2025-06-09T15:09:49Z)
FUSE: Label-Free Image-Event Joint Monocular Depth Estimation via Frequency-Decoupled Alignment and Degradation-Robust Fusion [92.4205087439928]
画像強調共同深度推定法は、頑健な知覚に相補的なモダリティを利用するが、一般化可能性の課題に直面している。自己監督型転送(PST)と周波数デカップリング型フュージョンモジュール(FreDF)を提案する。 PSTは、画像基盤モデルとの遅延空間アライメントによるクロスモーダルな知識伝達を確立し、データ不足を効果的に軽減する。 FreDFは、低周波構造成分から高周波エッジ特性を明示的に分離し、モード比周波数ミスマッチを解消する。この組み合わせのアプローチにより、FUSEはターゲットデータセットに対する軽量デコーダ適応のみを必要とするユニバーサルなイメージイベントを構築することができる。
論文参考訳（メタデータ） (2025-03-25T15:04:53Z)
Accelerated Multi-Contrast MRI Reconstruction via Frequency and Spatial Mutual Learning [50.74383395813782]
本稿では,周波数・空間相互学習ネットワーク(FSMNet)を提案する。提案したFSMNetは, 加速度係数の異なるマルチコントラストMR再構成タスクに対して, 最先端の性能を実現する。
論文参考訳（メタデータ） (2024-09-21T12:02:47Z)
SFFNet: A Wavelet-Based Spatial and Frequency Domain Fusion Network for Remote Sensing Segmentation [9.22384870426709]
本稿ではSFFNet(Spatial and Frequency Domain Fusion Network)フレームワークを提案する。第1段階は空間的手法を用いて特徴を抽出し、十分な空間的詳細と意味情報を持つ特徴を得る。第2段階は、これらの特徴を空間領域と周波数領域の両方にマッピングする。 SFFNetはmIoUの点で優れた性能を示し、それぞれ84.80%と87.73%に達した。
論文参考訳（メタデータ） (2024-05-03T10:47:56Z)
Federated Learning for Energy-limited Wireless Networks: A Partial Model Aggregation Approach [79.59560136273917]
デバイス間の限られた通信資源、帯域幅とエネルギー、およびデータ不均一性は、連邦学習(FL)の主要なボトルネックであるまず、部分モデルアグリゲーション(PMA)を用いた新しいFLフレームワークを考案する。提案されたPMA-FLは、2つの典型的な異種データセットにおいて2.72%と11.6%の精度を改善する。
論文参考訳（メタデータ） (2022-04-20T19:09:52Z)

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。