論文の概要: Knowledge Rectification for Camouflaged Object Detection: Unlocking Insights from Low-Quality Data

• arxiv url: http://arxiv.org/abs/2503.22180v1
• Date: Fri, 28 Mar 2025 06:53:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-31 15:29:38.736844
• Title: Knowledge Rectification for Camouflaged Object Detection: Unlocking Insights from Low-Quality Data
• Title（参考訳）: カモフラージュ物体検出のための知識体系化:低品質データからのアンロックインサイト
• Authors: Juwei Guan, Xiaolin Fang, Donghyun Kim, Haotian Gong, Tongxin Zhu, Zhen Ling, Ming Yang,
• Abstract要約: KRNetは、低品質データの偽造オブジェクト検出のために明示的に設計された最初のフレームワークである。 KRNetは最先端のCOD法と超高分解能COD法より優れていることを示す。
• 参考スコア（独自算出の注目度）: 12.264367906519183
• License:
• Abstract: Low-quality data often suffer from insufficient image details, introducing an extra implicit aspect of camouflage that complicates camouflaged object detection (COD). Existing COD methods focus primarily on high-quality data, overlooking the challenges posed by low-quality data, which leads to significant performance degradation. Therefore, we propose KRNet, the first framework explicitly designed for COD on low-quality data. KRNet presents a Leader-Follower framework where the Leader extracts dual gold-standard distributions: conditional and hybrid, from high-quality data to drive the Follower in rectifying knowledge learned from low-quality data. The framework further benefits from a cross-consistency strategy that improves the rectification of these distributions and a time-dependent conditional encoder that enriches the distribution diversity. Extensive experiments on benchmark datasets demonstrate that KRNet outperforms state-of-the-art COD methods and super-resolution-assisted COD approaches, proving its effectiveness in tackling the challenges of low-quality data in COD.
• Abstract（参考訳）: 低品質のデータはしばしば画像の細部が不十分で、カモフラージュ検出(COD)を複雑にするカモフラージュ(camouflage)の余分な側面を導入する。 既存のCOD法は主に高品質なデータに焦点を合わせ、低品質なデータによって引き起こされる課題を克服し、性能を著しく低下させる。 そこで我々は,低品質データ上でCODを明示的に設計する最初のフレームワークであるKRNetを提案する。 KRNetはリーダが高品質なデータから条件付きとハイブリッドの2つのゴールド標準分布を抽出し、低品質のデータから学んだ知識の修正にフォローアを駆使するリーダー・フォローア・フレームワークを提供する。 このフレームワークは、これらの分布の整合性を改善するクロス一貫性戦略と、分布の多様性を豊かにする時間依存条件エンコーダのさらなる恩恵を受ける。 ベンチマークデータセットの大規模な実験により、KRNetは最先端のCOD手法と超高解像度のCODアプローチより優れており、CODにおける低品質データの課題に対処する効果が証明されている。

関連論文リスト

• ODDN: Addressing Unpaired Data Challenges in Open-World Deepfake Detection on Online Social Networks [51.03118447290247]
  オープンワールドデータアグリゲーション(ODA)と圧縮・ディスカード勾配補正(CGC)を組み合わせたオープンワールドディープフェイク検出ネットワーク(ODDN)を提案する。 細粒度分析と粗粒度分析の両方により,ODAは圧縮試料と原試料の相関関係を効果的に集約する。 CGCは、オンラインソーシャルネットワーク(OSN)における多種多様な圧縮方法のパフォーマンス向上のために、圧縮・ディスカード勾配補正を組み込んだ。
  論文  参考訳（メタデータ） (2024-10-24T12:32:22Z)
• Enhancing Data Quality in Federated Fine-Tuning of Foundation Models [54.757324343062734]
  本稿では,基礎モデルのファインチューニングのためのデータ品質制御パイプラインを提案する。 このパイプラインは、トレーニングデータの質を反映したスコアを計算し、統一された標準のグローバルしきい値を決定する。 実験の結果,提案した品質制御パイプラインはモデルトレーニングの有効性と信頼性を向上し,性能が向上することが示された。
  論文  参考訳（メタデータ） (2024-03-07T14:28:04Z)
• Always be Pre-Training: Representation Learning for Network Intrusion Detection with GNNs [6.589041710104928]
  グラフニューラルネットワークに基づくネットワーク侵入検知システムは、最近、ベンチマークデータセットで最先端のパフォーマンスを実証した。 これらの手法は、データ前処理のターゲットエンコーディングに依存しており、アノテートされたラベルを必要とするため、広く採用されることが制限される。 本稿では,ラベル依存度制限を克服するために,文脈内事前学習とカテゴリ的特徴に対する高密度表現の利用を含むソリューションを提案する。
  論文  参考訳（メタデータ） (2024-02-29T09:40:07Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• Revisiting Class Imbalance for End-to-end Semi-Supervised Object Detection [1.6249267147413524]
  半教師付きオブジェクト検出(SSOD)は、擬似ラベルに基づくエンドツーエンド手法の開発において大きな進歩を遂げている。 多くの手法は、擬似ラベルジェネレータの有効性を妨げるクラス不均衡のため、課題に直面している。 本稿では,低品質な擬似ラベルの根本原因と,ラベル生成品質を改善するための新しい学習メカニズムについて検討する。
  論文  参考訳（メタデータ） (2023-06-04T06:01:53Z)
• WSSOD: A New Pipeline for Weakly- and Semi-Supervised Object Detection [75.80075054706079]
  弱機能および半教師付きオブジェクト検出フレームワーク(WSSOD)を提案する。 エージェント検出器は、まず関節データセット上でトレーニングされ、弱注釈画像上で擬似境界ボックスを予測するために使用される。 提案フレームワークはPASCAL-VOC と MSCOCO のベンチマークで顕著な性能を示し,完全教師付き環境で得られたものと同等の性能を達成している。
  論文  参考訳（メタデータ） (2021-05-21T11:58:50Z)
• Efficient Intrusion Detection Using Evidence Theory [0.0]
  侵入検知システム(IDS)は、コンピュータやネットワークの安全に関して重要な要素となっている。 本稿では,情報源の信頼性と正常行動と異常行動の識別能力に基づく新しい文脈割引手法を提案する。
  論文  参考訳（メタデータ） (2021-03-15T17:54:16Z)
• Learning Deep Neural Networks under Agnostic Corrupted Supervision [37.441467641123026]
  我々は,汚職のタイプを前提にせずに,強力な保証を実現する効率的なロバストアルゴリズムを提案する。 本アルゴリズムは,平均勾配に対するデータポイントの集団的影響の制御に重点を置いている。 複数のベンチマークデータセットの実験は、異なる種類の汚職下でのアルゴリズムの堅牢性を実証した。
  論文  参考訳（メタデータ） (2021-02-12T19:36:04Z)
• A Self-Refinement Strategy for Noise Reduction in Grammatical Error Correction [54.569707226277735]
  既存の文法的誤り訂正(GEC)のアプローチは、手動で作成したGECデータセットによる教師あり学習に依存している。 誤りが不適切に編集されたり、修正されなかったりする「ノイズ」は無視できないほどある。 本稿では,既存のモデルの予測整合性を利用して,これらのデータセットをデノマイズする自己補充手法を提案する。
  論文  参考訳（メタデータ） (2020-10-07T04:45:09Z)
• A Unified Plug-and-Play Framework for Effective Data Denoising and Robust Abstention [4.200576272300216]
  基礎となるデータ密度を利用した統合フィルタリングフレームワークを提案する。 我々のフレームワークは、トレーニングデータを効果的にデノベートし、不確実なテストデータポイントの予測を避けることができる。
  論文  参考訳（メタデータ） (2020-09-25T04:18:08Z)
• Improving Generative Adversarial Networks with Local Coordinate Coding [150.24880482480455]
  GAN(Generative Adversarial Network)は、事前定義された事前分布から現実的なデータを生成することに成功している。 実際には、意味情報はデータから学んだ潜在的な分布によって表現される。 ローカル座標符号化(LCC)を用いたLCCGANモデルを提案する。
  論文  参考訳（メタデータ） (2020-07-28T09:17:50Z)

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。