論文の概要: Cross-Domain Few-Shot Segmentation via Ordinary Differential Equations over Time Intervals

• arxiv url: http://arxiv.org/abs/2509.01299v1
• Date: Mon, 01 Sep 2025 09:35:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.622492
• Title: Cross-Domain Few-Shot Segmentation via Ordinary Differential Equations over Time Intervals
• Title（参考訳）: 時間間隔上の正規微分方程式によるクロスドメインFew-Shotセグメンテーション
• Authors: Huan Ni, Qingshan Liu, Xiaonan Niu, Danfeng Hong, Lingli Zhao, Haiyan Guan,
• Abstract要約: クロスドメインな少数ショットセグメンテーションは、非常に限られたサンプルを持つ未確認カテゴリのセグメンテーションを可能にする。 既存のCD-FSS研究は、複数の独立したモジュールを設計し、クロスドメインの一般化能力を高めるのが一般的である。 本稿では,通常の微分方程式と変換に基づくオールインワン加群を提案する。
• 参考スコア（独自算出の注目度）: 24.440387232889844
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cross-domain few-shot segmentation (CD-FSS) not only enables the segmentation of unseen categories with very limited samples, but also improves cross-domain generalization ability within the few-shot segmentation framework. Currently, existing CD-FSS studies typically design multiple independent modules to enhance the cross-domain generalization ability of feature representations. However, the independence among these modules hinders the effective flow of knowledge, making it difficult to fully leverage their collective potential. In contrast, this paper proposes an all-in-one module based on ordinary differential equations and Fourier transform, resulting in a structurally concise method--Few-Shot Segmentation over Time Intervals (FSS-TIs). FSS-TIs assumes the existence of an ODE relationship between the spectra (including amplitude and phase spectra) of domain-specific features and domain-agnostic features. This ODE formulation yields an iterative transformation process along a sequence of time intervals, while simultaneously applying affine transformations with randomized perturbations to the spectra. In doing so, the exploration of domain-agnostic feature representation spaces and the simulation of diverse potential target-domain distributions are reformulated as an optimization process over the intrinsic parameters of the ODE. Moreover, we strictly constrain the support-sample selection during target-domain fine-tuning so that it is consistent with the requirements of real-world few-shot segmentation tasks. For evaluation, we introduce five datasets from substantially different domains and define two sets of cross-domain few-shot segmentation tasks to comprehensively analyze the performance of FSS-TIs. Experimental results demonstrate the superiority of FSS-TIs over existing CD-FSS methods, and in-depth ablation studies further validate the cross-domain adaptability of FSS-TIs.
• Abstract（参考訳）: クロスドメイン・ショット・セグメンテーション(CD-FSS)は、非常に限られたサンプルを持つ未確認カテゴリのセグメンテーションを可能にするだけでなく、少数ショットセグメンテーションフレームワークにおけるクロスドメインの一般化能力を向上させる。 現在、既存のCD-FSS研究は通常、特徴表現のクロスドメイン一般化能力を高めるために複数の独立モジュールを設計している。 しかし、これらのモジュール間の独立性は知識の効果的な流れを妨げるため、それらの集合的ポテンシャルを完全に活用することは困難である。 対照的に、通常の微分方程式とフーリエ変換に基づくオールインワンモジュールを提案し、構造的に簡潔な方法である-FSS-TIを用いたFew-Shot Segmentationを提案する。 FSS-TIは、ドメイン固有の特徴とドメインに依存しない特徴のスペクトル(振幅と位相スペクトルを含む)の間にODE関係が存在すると仮定する。 このODEの定式化は、一連の時間間隔に沿って反復的な変換プロセスをもたらし、同時にランダムな摂動を伴うアフィン変換をスペクトルに適用する。 そこで,ドメインに依存しない特徴表現空間の探索と多種多様な対象領域分布のシミュレーションを,ODEの固有パラメータ上での最適化プロセスとして再設計する。 さらに,ターゲットドメインの微調整におけるサポートサンプル選択を厳格に制限し,実世界の複数ショットセグメンテーションタスクの要求に合致するようにした。 評価のために、実質的に異なる領域から5つのデータセットを導入し、FSS-TIの性能を包括的に分析するための2つのクロスドメイン・ショット・セグメンテーションタスクを定義した。 実験により,既存のCD-FSS法よりもFSS-TIの方が優れていることが示された。

関連論文リスト

• OptiCorNet: Optimizing Sequence-Based Context Correlation for Visual Place Recognition [2.3093110834423616]
  本稿では,新しいシーケンスモデリングフレームワークOptiCorNetを提案する。 空間的特徴抽出と時間的差分を微分可能でエンドツーエンドのトレーニング可能なモジュールに統一する。 本手法は,季節的・視点的な変化に挑戦し,最先端のベースラインよりも優れる。
  論文  参考訳（メタデータ） (2025-07-19T04:29:43Z)
• Multivariate Long-term Time Series Forecasting with Fourier Neural Filter [55.09326865401653]
  我々はFNFをバックボーンとして、DBDをアーキテクチャとして導入し、空間時間モデルのための優れた学習能力と最適な学習経路を提供する。 FNFは、局所時間領域とグローバル周波数領域の情報処理を単一のバックボーン内で統合し、空間的モデリングに自然に拡張することを示す。
  論文  参考訳（メタデータ） (2025-06-10T18:40:20Z)
• CICADA: Cross-Domain Interpretable Coding for Anomaly Detection and Adaptation in Multivariate Time Series [24.307819352969037]
  CICADA(Cross-domain Interpretable Coding for Anomaly Detection and Adaptation)を4つの重要なイノベーションとともに紹介する。 CICADAは、高い柔軟性と解釈可能性を備えたドメインに依存しない異常特徴をキャプチャする。 合成および実世界の産業データセットに関する試行は、CICADAがクロスドメイン検出性能と解釈可能性の両方において最先端の手法より優れていることを示した。
  論文  参考訳（メタデータ） (2025-05-01T09:26:40Z)
• Adapting In-Domain Few-Shot Segmentation to New Domains without Retraining [53.963279865355105]
  クロスドメイン小ショットセグメンテーション(CD-FSS)は、新しいドメインで新しいクラスのオブジェクトをセグメンテーションすることを目的としている。 多くのCD-FSSメソッドは、様々なドメイン一般化手法を用いて、ドメイン内FSSモデルを再設計し、再訓練する。 そこで,本研究では,FSSモデルを対象ドメインに適応させ,少数ショットラベル付きサポートサンプルからドメイン特性を学習する手法を提案する。
  論文  参考訳（メタデータ） (2025-04-30T08:16:33Z)
• Let Synthetic Data Shine: Domain Reassembly and Soft-Fusion for Single Domain Generalization [68.41367635546183]
  単一ドメインの一般化は、単一のソースからのデータを使用して、さまざまなシナリオで一貫したパフォーマンスでモデルをトレーニングすることを目的としている。 モデル一般化を改善するために合成データを活用した学習フレームワークDRSFを提案する。
  論文  参考訳（メタデータ） (2025-03-17T18:08:03Z)
• Integrating Frequency Guidance into Multi-source Domain Generalization for Bearing Fault Diagnosis [24.85752780864944]
  本稿では,FARNetというFourierベースのAugmentation Restruction Networkを提案する。 本発明のネットワークは、振幅スペクトルサブネットワークと位相スペクトルサブネットワークとから構成され、ソースドメインとターゲットドメインとの相違を順次低減する。 モデル出力の決定境界を従来の三重項損失と比較して洗練するために,一般化に寄与する多様体三重項損失を提案する。
  論文  参考訳（メタデータ） (2025-02-01T20:23:03Z)
• DARNet: Bridging Domain Gaps in Cross-Domain Few-Shot Segmentation with Dynamic Adaptation [20.979759016826378]
  Few-shot segmentation (FSS) は、ベースクラスからの少数のサポートイメージを使用することで、新しいクラスをクエリイメージにセグメントすることを目的としている。 クロスドメイン FSS では、リソース制約のあるドメインにラベルに富んだドメインの機能を活用することで、ドメインの相違による課題が生じる。 本研究は,CD-FSSの一般化と特異性を両立するDARNet法を提案する。
  論文  参考訳（メタデータ） (2023-12-08T03:03:22Z)
• Unified Domain Adaptive Semantic Segmentation [96.74199626935294]
  Unsupervised Adaptive Domain Semantic (UDA-SS)は、ラベル付きソースドメインからラベル付きターゲットドメインに監督を移すことを目的としている。 本稿では,特徴量と特徴量との相違に対処するQuad-directional Mixup(QuadMix)法を提案する。 提案手法は,4つの挑戦的UDA-SSベンチマークにおいて,最先端の成果を大きなマージンで上回っている。
  論文  参考訳（メタデータ） (2023-11-22T09:18:49Z)
• Consistency and Diversity induced Human Motion Segmentation [231.36289425663702]
  本稿では,CDMS(Consistency and Diversity induced Human Motion)アルゴリズムを提案する。 我々のモデルは、ソースとターゲットデータを異なる多層特徴空間に分解する。 ソースとターゲットデータ間の領域ギャップを低減するために、マルチミューチュアル学習戦略を実行する。
  論文  参考訳（メタデータ） (2022-02-10T06:23:56Z)

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。