熱放射モデリングに基づく赤外線物体検出のための知識誘導型敵対的学習
arXiv cs.CV / 2026/3/27
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、赤外線物体検出が一般的な破損（コモン・コラプション）や敵対的例に対して脆弱になり得ること、また純粋にデータ駆動の学習では頑健性に必要な赤外線固有の特徴を十分に捉えられないことを主張している。
- そこで、クラス間の相対的な熱放射関係という赤外線の物理的知識を、敵対的かつ破損条件下での学習を導く信頼できる情報源として用いることを提案する。
- 著者らは、これらの熱放射関係を理論的に、クラス間におけるグレイ値の順位（ランク順）を用いてモデル化し、クラス間関係の安定性を定量化している。
- この枠組みに基づき、Knowledge-Guided Adversarial Training（KGAT）を提案し、物理的整合性の制約を敵対的学習の目的関数に組み込む。
- 3つの赤外線データセットと6つの物体検出モデルにまたがる実験により、KGATがクリーン精度だけでなく、敵対的攻撃および一般的な破損に対する頑健性も改善することが示されている。
