PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.27413v1cs.CV

S2A: 사전 정합 불필요 RGB-T 현저 객체 검출을 위한 의미-공간 정렬

S2A:Semantic-to-Spatial Alignment for Alignment-Free RGB-T Salient Object Detection

사전 정합 불필요 RGB-T 현저 객체 검출(RGB-T SOD)은 비용이 큰 사전 정합 없이 정합되지 않은 RGB 및 열화상 영상 쌍에서 현저 객체를 식별하는 것을 목표로 한다. 그러나 공간적 비정합은 픽셀 단위 대응을 깨뜨리고 교차 모달 융합 과정에서 특징 오염을 유발한다. 이 문제를 해결하기 위해, 우리는 사전 정합 불필요 RGB-T SOD를 위한 의미-공간 정렬 프레임워크인 S2A를 제안한다. 구체적으로, 전역 유도 계층적 융합 모듈(GGHF)이 먼저 전역 의미(semantic) 유도를 활용하여 배경 간섭을 억제하고 계층적 모달 내 특징을 정제한다. 이어서, 정합 불필요 교차 모달 채널 어텐션 모듈(AFCA)이 채널 단위 상호작용을 통해 상호 보완적 의미 정보를 전역적으로 교환하여, 국소 공간 비정합으로 인한 간섭을 효과적으로 극복한다. 마지막으로, 공간 변형 가능 교차 어텐션 모듈(SDCA)이 적응형 샘플링 오프셋을 예측하여 국소 교차 모달 공간 대응을 복원한다. 이러한 의미-공간 패러다임을 통해 S2A는 먼저 신뢰할 수 있는 교차 모달 의미 상호작용을 가능하게 한 뒤 국소 공간 보정을 수행하여, 비정합으로 인한 특징 오염을 효과적으로 줄인다. 불필요한 부가 기법 없이 S2A는 여러 공개 사전 정합 불필요 RGB-T 벤치마크에서 매우 경쟁력 있는 성능을 달성하며, 비정합 유발 특징 오염 완화에서의 효과를 보여준다.

arXiv:2607.19942v1cs.CV

G-MAD: 멀티뷰 RGB-T 항공 객체 검출을 위한 게임 기반 데이터 생성 프레임워크

G-MAD: A Game-Based Data Generation Framework for Multi-View RGB-T Aerial Object Detection

본 연구는 Arma3를 사용하여 항공 객체 검출을 위한 동기화된 멀티뷰 RGB-T 데이터를 생성하는 오픈소스 프레임워크인 G-MAD를 소개한다. G-MAD는 제한적인 시점 제어, 불완전한 RGB-T 정렬, 높은 주석 비용 등 실세계 항공 데이터셋 구축의 주요 한계를 해결한다. 이 프레임워크는 구조화된 시나리오 지정, 제어 가능한 멀티뷰 카메라 배치, 가시광/열화상 동시 촬영, 엔진 수준 기하 메타데이터를 이용한 자동 경계 상자 주석을 지원한다. 이러한 기능은 항공 객체 검출에서 시점 변화, 멀티모달 융합, synthetic-to-real 전이에 대한 통제된 연구를 가능하게 한다. 또한 G-MAD를 사용하여 새로운 대규모 멀티뷰 항공 RGB-T 객체 검출 벤치마크인 AMOD를 구축하고 공개한다. 소스 코드와 데이터셋은 https://unique-chan.github.io/G-MAD-Project 에서 이용할 수 있다.