論文の概要: A Survey on Class-Agnostic Counting: Advancements from Reference-Based to Open-World Text-Guided Approaches

• arxiv url: http://arxiv.org/abs/2501.19184v1
• Date: Fri, 31 Jan 2025 14:47:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-03 14:01:44.424195
• Title: A Survey on Class-Agnostic Counting: Advancements from Reference-Based to Open-World Text-Guided Approaches
• Title（参考訳）: クラス非依存カウントに関する調査--参照ベースからオープンワールドテキストガイドアプローチへの展開
• Authors: Luca Ciampi, Ali Azmoudeh, Elif Ecem Akbaba, Erdi Sarıtaş, Ziya Ata Yazıcı, Hazım Kemal Ekenel, Giuseppe Amato, Fabrizio Falchi,
• Abstract要約: CAC(class-agnostic counting)の進歩を概観する CACの目的は、トレーニング中に見たことのないクラスに属するオブジェクトを数えることである。 我々は最先端技術を分析し、それらの結果を既存のゴールド標準ベンチマークで報告する。
• 参考スコア（独自算出の注目度）: 6.356364436395916
• License:
• Abstract: Object counting has recently shifted towards class-agnostic counting (CAC), which addresses the challenge of counting objects across arbitrary categories, tackling a critical need in versatile counting systems. While humans effortlessly identify and count objects from diverse categories without prior knowledge, most counting methods remain restricted to enumerating instances of known classes, requiring extensive labeled datasets for training, and struggling under open-vocabulary settings. Conversely, CAC aims to count objects belonging to classes never seen during training, typically operating in a few-shot setting. In this paper, for the first time, we review advancements in CAC methodologies, categorizing them into three paradigms based on how target object classes can be specified: reference-based, reference-less, and open-world text-guided. Reference-based approaches have set performance benchmarks using exemplar-guided mechanisms. Reference-less methods eliminate exemplar dependency by leveraging inherent image patterns. Finally, open-world text-guided methods utilize vision-language models, enabling object class descriptions through textual prompts, representing a flexible and appealing solution. We analyze state-of-the-art techniques and we report their results on existing gold standard benchmarks, comparing their performance and identifying and discussing their strengths and limitations. Persistent challenges -- such as annotation dependency, scalability, and generalization -- are discussed, alongside future directions. We believe this survey serves as a valuable resource for researchers to understand the progressive developments and contributions over time and the current state-of-the-art of CAC, suggesting insights for future directions and challenges to be addressed.
• Abstract（参考訳）: 最近、オブジェクトカウントはクラス非依存カウント(CAC)へと移行し、任意のカテゴリにまたがってオブジェクトをカウントするという課題に対処し、汎用的なカウントシステムにおいて重要なニーズに対処している。 人間は、事前の知識なしに様々なカテゴリのオブジェクトを積極的に識別し数えるが、ほとんどのカウント方法は、既知のクラスのインスタンスを列挙すること、トレーニングのために広範囲のラベル付きデータセットを必要とすること、オープン語彙設定の下で苦労することに限定されている。 逆にCACは、トレーニング中に見たことのないクラスに属するオブジェクトを数えることを目標としている。 本稿では,CAC手法の進歩を初めて概観し,参照ベース,参照レス,オープンワールドの3つのパラダイムに分類する。 参照ベースのアプローチは、典型的な誘導機構を使用してパフォーマンスベンチマークを設定している。 参照なしのメソッドは、固有のイメージパターンを活用することで、典型的な依存性を排除します。 最後に、オープンワールドのテキスト誘導手法は視覚言語モデルを利用して、柔軟で魅力的なソリューションを表現するテキストプロンプトによるオブジェクトクラス記述を可能にする。 我々は、最先端技術を分析し、それらの成果を既存のゴールド標準ベンチマークで報告し、それらの性能を比較し、その強みと限界を識別し、議論する。 アノテーションの依存関係、スケーラビリティ、一般化といった永続的な課題は、今後の方向性とともに議論されている。 この調査は、研究者が時間の経過とともに進歩的な発展と貢献、そしてCACの現状を理解する上で貴重な情報源となり、今後の方向性や課題に対する洞察を示唆するものであると我々は信じている。

関連論文リスト

• Mind the Prompt: A Novel Benchmark for Prompt-based Class-Agnostic Counting [8.000723123087473]
  クラスに依存しないカウント(CAC)は、モデルトレーニング中に見たことのない任意のオブジェクトクラスのインスタンスをカウントする。 本稿では,Prompt-Aware Countingベンチマークを導入し,プロンプトベースのCACモデルの堅牢性と信頼性を評価する。 我々は最先端の手法を評価し、標準クラス固有の計数基準で印象的な結果を得たものの、入力プロンプトの理解に重大な欠陥があることを実証した。
  論文  参考訳（メタデータ） (2024-09-24T10:35:42Z)
• Contextuality Helps Representation Learning for Generalized Category Discovery [5.885208652383516]
  本稿では、文脈性の概念を活用することにより、一般化カテゴリー発見(GCD)への新たなアプローチを提案する。 我々のモデルでは,コントラスト学習に最も近いコンテキストが使用されるインスタンスレベルと,コントラスト学習を利用するクラスタレベルという,2つのコンテキストレベルを統合している。 文脈情報の統合は、特徴学習を効果的に改善し、その結果、すべてのカテゴリの分類精度が向上する。
  論文  参考訳（メタデータ） (2024-07-29T07:30:41Z)
• Open-ended VQA benchmarking of Vision-Language models by exploiting Classification datasets and their semantic hierarchy [27.454549324141087]
  本稿では、よく知られた視覚分類データセットに基づく新しいVQAベンチマークを提案する。 また,ラベル空間のセマンティックな階層構造を用いて,基底構造カテゴリに関するフォローアップ質問を自動的に生成することを提案する。 私たちの貢献は、より正確で有意義な評価の基礎を築くことを目的としています。
  論文  参考訳（メタデータ） (2024-02-11T18:26:18Z)
• An Evaluation Framework for Mapping News Headlines to Event Classes in a Knowledge Graph [3.9742873618618275]
  本稿では,Wikidata のイベントクラスにマップされたニュース見出しのベンチマークデータセットを作成する手法を提案する。 このデータセットを用いて、このタスクの教師なしメソッドの2つのクラスを調査する。 今後の課題に対する評価,教訓,方向性について紹介する。
  論文  参考訳（メタデータ） (2023-12-04T20:42:26Z)
• Leveraging Knowledge Graphs for Zero-Shot Object-agnostic State Classification [1.6582445398167214]
  我々は,オブジェクトの知識や推定に頼らずに,あるオブジェクトの状態を予測する最初のオブジェクト非依存状態分類法(OaSC)を提案する。 提案手法の各種環境における性能について検討した。 提案したOaSC法は,すべてのデータセットやベンチマークにおける既存手法よりも大きなマージンで優れている。
  論文  参考訳（メタデータ） (2023-07-22T22:19:11Z)
• Multi-Modal Classifiers for Open-Vocabulary Object Detection [104.77331131447541]
  本論文の目的は,OVOD(Open-vocabulary Object Detection)である。 標準の2段階オブジェクト検出器アーキテクチャを採用する。 言語記述、画像例、これら2つの組み合わせの3つの方法を探究する。
  論文  参考訳（メタデータ） (2023-06-08T18:31:56Z)
• Class-incremental Novel Class Discovery [76.35226130521758]
  クラス増進型新規クラス発見(class-iNCD)の課題について検討する。 基本クラスに関する過去の情報を忘れないようにする,クラスiNCDのための新しい手法を提案する。 3つの共通ベンチマークで実施した実験により,本手法が最先端の手法を著しく上回ることを示した。
  論文  参考訳（メタデータ） (2022-07-18T13:49:27Z)
• Learning Open-World Object Proposals without Learning to Classify [110.30191531975804]
  本研究では,各領域の位置と形状がどの接地トラストオブジェクトとどのように重なり合うかによって,各領域の目的性を純粋に推定する,分類不要なオブジェクトローカライゼーションネットワークを提案する。 この単純な戦略は一般化可能な対象性を学び、クロスカテゴリの一般化に関する既存の提案より優れている。
  論文  参考訳（メタデータ） (2021-08-15T14:36:02Z)
• Binary Classification from Multiple Unlabeled Datasets via Surrogate Set Classification [94.55805516167369]
  我々は m 個の U 集合を $mge2$ で二進分類する新しい手法を提案する。 我々のキーとなる考え方は、サロゲート集合分類(SSC)と呼ばれる補助的分類タスクを考えることである。
  論文  参考訳（メタデータ） (2021-02-01T07:36:38Z)
• One-Class Classification: A Survey [96.17410674315816]
  One-Class Classification (OCC) は、トレーニング中に観測されたデータが単一の正のクラスからのものであるマルチクラス分類の特別なケースである。 視覚認識のための古典的統計的および最近の深層学習に基づくOCC手法のサーベイを提供する。
  論文  参考訳（メタデータ） (2021-01-08T15:30:29Z)
• A Few-Shot Sequential Approach for Object Counting [63.82757025821265]
  画像中のオブジェクトに逐次出席するクラスアテンション機構を導入し,それらの特徴を抽出する。 提案手法は点レベルのアノテーションに基づいて訓練され,モデルのクラス依存的・クラス依存的側面を乱す新しい損失関数を用いる。 本稿では,FSODやMS COCOなど,さまざまなオブジェクトカウント/検出データセットについて報告する。
  論文  参考訳（メタデータ） (2020-07-03T18:23:39Z)

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。