論文の概要: Cross-Layer Refinement and Frequency-aware Fusion Network for Multi-Source Remote Sensing Image Classification

• arxiv url: http://arxiv.org/abs/2611.03078v1
• Date: Mon, 02 Nov 2026 13:05:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 13:29:45.619233
• Title: Cross-Layer Refinement and Frequency-aware Fusion Network for Multi-Source Remote Sensing Image Classification
• Title（参考訳）: マルチソースリモートセンシング画像分類のためのクロスレイリファインメントと周波数対応核融合ネットワーク
• Abstract要約: 多ソースリモートセンシング画像分類は、相補的なスペクトルと構造情報から恩恵を受ける。 本文は, 軽量なデュアルブランチアーキテクチャにおいて, クロスレイヤリファインメントと周波数対応フュージョンネットワーク (CRFNet) を提案する。 Houston 2013 と Augsburg のデータセットの実験では、提案された CRFNet がいくつかの最先端手法を一貫して上回っていることが示されている。
• 参考スコア（独自算出の注目度）: 43.71422182385572
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-source remote sensing image classification benefits from complementary spectral and structural information. However, identifying discriminative cross-modal features remains challenging. This letter proposes a Cross-Layer Refinement and Frequency-aware Fusion Network (CRFNet) within a lightweight dual-branch architecture. Specifically, a Cross-Layer Refinement Attention (CLRA) module propagates selected attention relationships across successive layers and employs top relation selection to progressively strengthen discriminative spatial dependencies while suppressing irrelevant responses. Furthermore, a Frequency-aware Complementary Fusion (FCF) module combines frequency-wise interactions with cross-modal channel attention in the Fourier domain. The resulting representations are then converted into spatial-domain gates to selectively modulate complementary features. Experiments on the Houston 2013 and Augsburg datasets demonstrate that the proposed CRFNet consistently outperforms several state-of-the-art methods. The codes are publicly available at https://github.com/oucailab/CRFNet
• Abstract（参考訳）: 多ソースリモートセンシング画像分類は、相補的なスペクトルと構造情報から恩恵を受ける。 しかし、差別的なクロスモーダルな特徴を特定することは依然として困難である。 本文は, 軽量なデュアルブランチアーキテクチャにおいて, クロスレイヤリファインメントと周波数対応フュージョンネットワーク (CRFNet) を提案する。 具体的には,Cross-Layer Refinement Attention (CLRA)モジュールは,連続する層にまたがって選択された注意関係を伝播させ,関係のない応答を抑えながら,差別的空間依存を段階的に強化する。 さらに、周波数対応相補的融合(FCF)モジュールは、フーリエ領域における周波数ワイド相互作用とクロスモーダルチャネルアテンションを結合する。 得られた表現は空間領域ゲートに変換され、相補的特徴を選択的に変調する。 Houston 2013 と Augsburg のデータセットの実験では、提案された CRFNet がいくつかの最先端手法を一貫して上回っていることが示されている。 コードはhttps://github.com/oucailab/CRFNetで公開されている。

関連論文リスト

• Revealing Inter-Channel Modality Discriminability: Channel Selective Interaction Fusion Network for Optical-SAR Object Detection [37.126807222915865]
  本稿では,選択的チャネルレベルのクロスモーダルインタラクションを行うChannel Selective Interaction Fusion Network (CSIF-Net)を提案する。 OGSOD 1.0とM4-SARデータセットの実験により、CSIF-Netは水平および指向の両方のオブジェクト検出において最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2026-10-20T07:19:20Z)
• Semantic-Guided Fusion Network for Multi-Source Remote Sensing Image Classification [42.943666137803184]
  マルチソースリモートセンシング画像分類のためのセマンティックガイド型フュージョンネットワーク(SGFNet)を提案する。 SMCBはコンテキスト関係に応じて意味認識型畳み込みカーネルを動的に生成するように設計されている。 FMFBは周波数領域で相互モード間相互作用を行うために導入された。
  論文  参考訳（メタデータ） (2026-09-16T21:50:29Z)
• FreqSpaNet: Frequency and Spatial Learning of SFPF for Physical Layer Hardware Integrity Detection [10.511520584001856]
  不正なハードウェア置換は、物理的実装を変更しながら、無線デバイスの論理的アイデンティティを保持することができる。 本稿では,オープンセットハードウェア異常検出のためのSFPF表現学習ネットワークであるFreqSpaNetを提案する。 実験の結果、FreqSpaNetはベースラインの96.31%、9.05ポイントの平均AUROCを達成した。
  論文  参考訳（メタデータ） (2026-09-15T17:32:12Z)
• A Spatial-Spectral-Frequency Interactive Network for Multimodal Remote Sensing Classification [45.80836671298513]
  本稿では,空間,スペクトル,周波数領域にまたがる相互融合モジュールを統合した空間-スペクトル-周波数相互作用ネットワーク(S$2$Fin)を提案する。 ラベル付きデータに制限のある4つのベンチマークマルチモーダルデータセットの実験は、S$2$Finが優れた分類を行い、最先端の手法より優れていることを示した。
  論文  参考訳（メタデータ） (2025-10-06T09:33:35Z)
• Dynamic Frequency Feature Fusion Network for Multi-Source Remote Sensing Data Classification [32.953456430800685]
  ハイパースペクトル画像(HSI)と合成開口レーダ(SAR)のための動的周波数特徴融合ネットワーク(DFFNet)を提案する。 具体的には、入力特徴を集約することで周波数領域のフィルタカーネルを動的に学習する動的フィルタブロックを設計する。 2つのベンチマークデータセットの実験により、DFFNetはマルチソースデータ分類における最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2025-07-06T19:14:44Z)
• Freqformer: Image-Demoiréing Transformer via Efficient Frequency Decomposition [83.40450475728792]
  本稿では,Freqformerについて述べる。Freqformerは,ターゲット周波数分離による画像復号化に特化して設計されたトランスフォーマーベースのフレームワークである。 本手法は,モワールパターンを高周波数空間局在化テクスチャと低周波数スケールローバスト色歪みに明確に分割する有効な周波数分解を行う。 様々なデモアのベンチマーク実験により、Freqformerは、コンパクトなモデルサイズ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） (2025-05-25T12:23:10Z)
• 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)
• Unified Frequency-Assisted Transformer Framework for Detecting and Grounding Multi-Modal Manipulation [109.1912721224697]
  本稿では、DGM4問題に対処するため、UFAFormerという名前のUnified Frequency-Assisted TransFormerフレームワークを提案する。 離散ウェーブレット変換を利用して、画像を複数の周波数サブバンドに分解し、リッチな顔偽造品をキャプチャする。 提案する周波数エンコーダは、帯域内およびバンド間自己アテンションを組み込んだもので、多種多様なサブバンド内および多種多様なフォージェリー特徴を明示的に集約する。
  論文  参考訳（メタデータ） (2023-09-18T11:06:42Z)
• CDDFuse: Correlation-Driven Dual-Branch Feature Decomposition for Multi-Modality Image Fusion [138.40422469153145]
  本稿では,CDDFuse(Relationed-Driven Feature Decomposition Fusion)ネットワークを提案する。 近赤外可視画像融合や医用画像融合など,複数の融合タスクにおいてCDDFuseが有望な結果をもたらすことを示す。
  論文  参考訳（メタデータ） (2022-11-26T02:40:28Z)
• TBNet:Two-Stream Boundary-aware Network for Generic Image Manipulation Localization [49.521622399483846]
  汎用画像操作のローカライゼーションのための新しいエンド・ツー・エンド2ストリーム境界対応ネットワーク(TBNet)を提案する。 提案したTBNetは、MCCとF1の両方の観点から、最先端の汎用画像操作のローカライズ手法を大幅に上回ることができる。
  論文  参考訳（メタデータ） (2021-08-10T08:22:05Z)

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。