論文の概要: BiHashFormer: Hash-Driven Dual-Branch Transformer for Efficient Object Detection in HRW Shots
- arxiv url: http://arxiv.org/abs/2610.39937v2
- Date: Fri, 30 Oct 2026 07:56:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.439116
- Title: BiHashFormer: Hash-Driven Dual-Branch Transformer for Efficient Object Detection in HRW Shots
- Title（参考訳）: BiHashFormer:HRWショットにおける効率的な物体検出のためのハッシュ駆動デュアルブランチ変換器
- Abstract要約: 前景の極端に広い範囲、ギガピクセルレベルの解像度、前景と背景のインターリーブ。
ハッシュ上に構築された分岐変換器であるBiHashFormerを提案する。
ギガピクセルベンチマークPANDAの実験では、BiHashFormerは37.5%のバックボーンFLOPを削減し、AP50を81.0%改善した。
- 参考スコア（独自算出の注目度）: 23.232635228338225
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in gigapixel-level imaging have brought High-Resolution Wide shots to the forefront of research. However, these images present significant challenges: extreme sparsity of foreground, gigapixel-level resolutions and interleaving of foreground and background. This causes traditional detectors and attention mechanisms to be hindered by background, resulting in inefficiency and inaccuracy. To tackle this problem, we propose BiHashFormer, a dual sparsified branch transformer built on hashing. RoI Selector will predict the foreground proportion for top-k selecting target-containing windows. The compression branch processes windows selected and refines attention into HashAttention by discarding half of the key-value pairs, reducing cost and improving efficiency. The compensation branch uses HashMiner to perform low-cost hash searches in the remaining regions, recovering features of missed objects. Experiments confirm that the selection relationship in HashAttention is one-way and reveal the preference of different queries for keys. In experiments on the gigapixel benchmark PANDA, BiHashFormer reduces 37.5% backbone FLOPs while improving AP50 to 81.0%. Moreover, this parallel dual-branch structure allows the model to avoid inference delays caused by inter-branch dependencies, while achieving much greater stability than single-branch models, specially with low rates of RoI selection.
- Abstract（参考訳）: ギガピクセルレベルのイメージングの最近の進歩は、研究の最前線に高解像度のワイドショットをもたらした。
しかし,これらの画像は,前景の極端な間隔,ギガピクセルレベルの解像度,前景と背景のインターリーブといった重要な課題を呈している。
これにより、従来の検出器や注意機構が背景によって妨げられ、非効率性と不正確性をもたらす。
この問題に対処するために,ハッシュ上に構築された2つの分岐変換器であるBiHashFormerを提案する。
RoIセレクタは、トップk選択対象ウィンドウのフォアグラウンド比を予測する。
圧縮ブランチは、選択されたウィンドウを処理し、キー値対の半分を破棄し、コストを削減し、効率を向上させることで、HashAttentionに注意を向ける。
補償ブランチは、HashMinerを使用して、残りのリージョンで低コストのハッシュ検索を実行し、失敗したオブジェクトの特徴を回復する。
実験では、HashAttentionの選択関係が一方的であることを確認し、キーに対する異なるクエリの好みを明らかにする。
ギガピクセルベンチマークPANDAの実験では、BiHashFormerは37.5%のバックボーンFLOPを削減し、AP50を81.0%改善した。
さらに、この並列二重ブランチ構造は、特にRoI選択率の低い単一ブランチモデルよりもはるかに安定性を保ちながら、ブランチ間の依存関係に起因する推論遅延を回避することができる。
関連論文リスト
- CARA: Collision-Aware Resolution Adaptation for Multiresolution Hash Encoding Based Image Fitting [43.88687763775343]
マルチレゾリューションハッシュ符号化は、最近、固定サイズハッシュテーブルにマルチスケール機能を格納することで、高速かつ高忠実な暗黙的ニューラル表現を可能にした。
解像度の異なるレベルは、画像の周波数内容に大きな違いがあるにもかかわらず、同一のハッシュテーブル容量を受信する。
ハッシュレベル間で有効な情報負荷のバランスをとることで、レベルごとの解像度を割り当てる手法であるCollision-Aware Resolution Adaptation (CARA)を提案する。
論文 参考訳（メタデータ） (2026-09-16T12:17:34Z) - LLM-Guided Program Evolution for Targeted Black-Box Attacks on Perceptual Hash Algorithms [1.5930557121567526]
本稿では,GigaEvoとOpenEvolveをベースとした新たな進化的フレームワークを提案する。
ImageNetイメージペア間の4つのデプロイされたPHA(pHash,PDQ,PhotoDNA,NeuralHash)の実験により、我々のアプローチが既存のブラックボックスベースラインと同等あるいは優れたASRを達成することが示された。
勾配に基づく手法とは異なり、我々のフレームワークはPHAアーキテクチャの内部知識を必要としない。
論文 参考訳（メタデータ） (2026-07-13T12:25:44Z) - Factorized Multi-Resolution HashGrid for Efficient Neural Radiance Fields: Execution on Edge-Devices [39.54224220354631]
ニューラル・ラジアンス・フィールド(NeRF)は3次元表現において重要な役割を担っているが、その用途は計算資源が大きいため限られている。
デバイス上でのトレーニングは、大きなアプリケーションフィールドを開き、通信制限、プライバシー上の懸念、頻繁に変化するシーンへの迅速な適応の強化を提供する。
本稿では、デバイス上の神経放射場をトレーニングするための新しいパラメータエンコーディング法であるFact-Hashを紹介する。
論文 参考訳（メタデータ） (2026-04-03T07:56:31Z) - SparseFormer: Detecting Objects in HRW Shots via Sparse Vision Transformer [62.11796778482088]
本稿では,近接撮影とHRW撮影のオブジェクト検出のギャップを埋めるために,SparseFormerと呼ばれるモデル非依存のスパース視覚変換器を提案する。
提案されたSparseFormerは、オブジェクトを含む可能性のあるスパース分散ウィンドウを精査するために、注意トークンを選択的に使用する。
2つのHRWベンチマークであるPANDAとDOTA-v1.0の実験により、提案されたSparseFormerは、最先端のアプローチよりも検出精度(最大5.8%)と速度(最大3倍)を大幅に改善することを示した。
論文 参考訳（メタデータ） (2025-02-11T03:21:25Z) - Bit-mask Robust Contrastive Knowledge Distillation for Unsupervised
Semantic Hashing [71.47723696190184]
セマンティックハッシュのための革新的なBit-mask Robust Contrastive Knowledge Distillation (BRCD)法を提案する。
BRCDはセマンティックハッシュモデルの蒸留のために特別に考案されている。
論文 参考訳（メタデータ） (2024-03-10T03:33:59Z) - SpirDet: Towards Efficient, Accurate and Lightweight Infrared Small
Target Detector [60.42293239557962]
我々は、赤外線小ターゲットの効率的な検出のための新しいアプローチであるSpirDetを提案する。
新しいデュアルブランチスパースデコーダを用いて特徴写像を復元する。
大規模な実験により、提案されたSpirDetは最先端モデルよりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2024-02-08T05:06:14Z) - Efficient Person Search: An Anchor-Free Approach [86.45858994806471]
パーソンサーチは、クエリーの人物を、リアルで切り刻まれていない画像から、同時にローカライズし、識別することを目的としている。
この目標を達成するために、最先端モデルは通常、Faster R-CNNのような2段階検出器にre-idブランチを追加する。
本研究では,この課題に対処するためのアンカーフリーな手法を提案する。
論文 参考訳（メタデータ） (2021-09-01T07:01:33Z) - Hashing-based Non-Maximum Suppression for Crowded Object Detection [63.761451382081844]
オブジェクト検出のための非最大ボックスを効率的に抑制するアルゴリズム,HNMS(Hash-based non-maximumpression)を提案する。
2段階検出器では、領域提案ネットワークにおけるNMSをHNMSに置き換え、相当の精度でかなりのスピードアップを観測する。
CARPK、SKU-110K、CrowdHumanデータセットを用いて実験を行い、HNMSの有効性と有効性を示す。
論文 参考訳（メタデータ） (2020-05-22T23:45:59Z) - Reinforcing Short-Length Hashing [61.75883795807109]
既存の手法は、非常に短いハッシュコードを用いた検索性能が劣っている。
本研究では, 短寿命ハッシュ(RSLH)を改良する新しい手法を提案する。
本稿では,ハッシュ表現とセマンティックラベルの相互再構成を行い,セマンティック情報を保存する。
3つの大規模画像ベンチマークの実験は、様々な短いハッシュシナリオ下でのRSLHの優れた性能を示す。
論文 参考訳（メタデータ） (2020-04-24T02:23:52Z) - Image Hashing by Minimizing Discrete Component-wise Wasserstein Distance [12.968141477410597]
競合するオートエンコーダは、バランスよく高品質なハッシュコードを生成する堅牢で局所性を保存するハッシュ関数を暗黙的に学習できることが示されている。
既存の逆ハッシュ法は、大規模な画像検索に非効率である。
本稿では,サンプル要求と計算コストを大幅に低減した,新しい対向型オートエンコーダハッシュ手法を提案する。
論文 参考訳（メタデータ） (2020-02-29T00:22:53Z)
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。