PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.12798v2cs.CV

LGFN: 위장 객체 검출을 위한 모달리티 가용성 조건화 기반 경량 게이트형 RGB-편광 융합

LGFN: Lightweight Gated RGB-Polarization Fusion with Modality-Availability Conditioning for Camouflaged Object Detection

위장 객체 검출(COD)은 지능형 광학 인지에서 중요한 공학적 과제이지만, 대상이 주변 환경과 매우 유사할 때 여전히 어려운 문제로 남아 있습니다. 편광 이미징은 상호보완적인 물리적 단서를 제공하지만, 기존 방식들은 일반적으로 고정된 멀티모달 입력 구성을 가정하며 편광 내부 조율과 적-녹-청(RGB) 및 편광 표현 간의 상호작용을 뒤얽히게 만듭니다. 본 논문에서는 별도로 최적화된 RGB 전용 구성과 편광 보조 구성을 지원하는 경량 게이트형 RGB-편광 융합 프레임워크인 LGFN을 제안합니다. 결정론적 모달리티 라우터(Modality Router)가 편광 가용성에 따라 적절한 구성을 선택합니다. 멀티모달 구성에서는 가용성 조건화 모달리티 게이트(Modality Gate)가 가용한 편광 브랜치를 보정하고, 게이트형 편광 허브(Gated Polarization Hub)가 명시적 편광 단서를 활용하여 학습된 선형 편광도(DoLP) 및 편광각(AoP) 표현을 조율하며, RGB-편광 교차 융합(Cross Fusion)이 제어된 잔차 상호작용을 통해 조율된 표현을 RGB 계층 구조에 도입합니다. 멀티모달 구성은 추론 시 샘플 종속적 통계나 수작업으로 제작된 품질 기술자를 전혀 필요로 하지 않습니다. 완전한 230개 이미지의 PCOD_1200 테스트 세트에서 RGB 전용 구성은 평균 절대 오차 0.0090, Dice 점수 0.8806, IoU(intersection over union) 0.8144를 기록하여, 평가된 RGB 기반 방법 중 6개 지표 전체에서 최고 성능을 달성했습니다. 공통 로컬 재평가 프로토콜 하에서 멀티모달 구성은 6개 지표 모두에서 PolarNet 및 IPNet을 능가합니다. IPNet과 비교했을 때 매개변수 수, 부동소수점 연산량(FLOPs), 지연 시간을 각각 53.1%, 73.6%, 63.0% 감소시킵니다. 소스 코드는 https://github.com/1hzf/LGFN 에서 제공될 예정입니다.