SWNet: カモフラージュ付き雑草検出のためのクロススペクトral ネットワーク

arXiv:2604.16147v1 Announce Type: new Abstract: 本論文は、高密度農環境におけるカモフラージュ付き雑草の検出に特化して設計された、双模態のエンドツーエンドクロススペクトルネットワークである SWNet を提唱します。植物のカモフラージュは、侵入種が主作物の形態的特徴を模倣する同色混合を特徴とするものであり、従来のコンピュータビジョンシステムにとって重大な課題を呈します。これらの限界を克服するために、SWNet は長距離依存関係をキャッチするために Pyramid Vision Transformer v2 のバックボーンを利用し、可視光線と近赤外線の情報を動的に統合するために双模态ゲート融合モジュールを採用しています。NIR スペクトルでキャッチャされたクロロフィルの反射率の生理学的違いを利用することで、この提案されたアーキテクチャは、可視光線範囲において別の別のターゲットを識別することができないものを効果的に区別します。さらに、 sharper 対象境界と構造の曖昧さを削減するために Edge-Aware Refinement モジュールが用いられました。Weeds-Banana データセット上の実験結果は、SWNet が 10 以上の State-of-the-Art メソッドを超えていることを示唆しています。この研究は、クロススペクトルデータと境界指向の微調整の統合は複雑な作物叢において高い分割精度を達成するために不可欠であることを示しています。コードは GitHub で利用可能です：https://cod-espol.github.io/SWNet/

arXiv:2604.16147v1 Announce Type: new Abstract: This paper presents SWNet, a bimodal end-to-end cross-spectral network specifically engineered for the detection of camouflaged weeds in dense agricultural environments. Plant camouflage, characterized by homochromatic blending where invasive species mimic the phenotypic traits of primary crops, poses a significant challenge for traditional computer vision systems. To overcome these limitations, SWNet utilizes a Pyramid Vision Transformer v2 backbone to capture long-range dependencies and a Bimodal Gated Fusion Module to dynamically integrate Visible and Near-Infrared information. By leveraging the physiological differences in chlorophyll reflectance captured in the NIR spectrum, the proposed architecture effectively discriminates targets that are otherwise indistinguishable in the visible range. Furthermore, an Edge-Aware Refinement module is employed to produce sharper object boundaries and reduce structural ambiguity. Experimental results on the Weeds-Banana dataset indicate that SWNet outperforms ten state-of-the-art methods. The study demonstrates that the integration of cross-spectral data and boundary-guided refinement is essential for high segmentation accuracy in complex crop canopies. The code is available on GitHub: https://cod-espol.github.io/SWNet/