論文の概要: NeuCo-Bench: A Novel Benchmark Framework for Neural Embeddings in Earth Observation

• arxiv url: http://arxiv.org/abs/2510.17914v1
• Date: Sun, 19 Oct 2025 23:47:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:12.34255
• Title: NeuCo-Bench: A Novel Benchmark Framework for Neural Embeddings in Earth Observation
• Title（参考訳）: NeuCo-Bench:地球観測におけるニューラル埋め込みのための新しいベンチマークフレームワーク
• Authors: Rikard Vinge, Isabelle Wittmann, Jannik Schneider, Michael Marszalek, Luis Gilch, Thomas Brunschwiler, Conrad M Albrecht,
• Abstract要約: NeuCo-Benchはニューラル圧縮と表現学習を評価するための新しいベンチマークフレームワークである。 NeuCo-Benchは、(i)再利用可能な埋め込みを中心に構築された評価パイプライン、(ii)隠れタスクのリーダーボードを備えた新しいチャレンジモード、(iii)正確性と安定性のバランスをとるスコアシステムである。 本稿では,2025年のCVPRVISIONワークショップにおける公開課題の成果と,最先端の基盤モデルによる改善について紹介する。
• 参考スコア（独自算出の注目度）: 0.8388920382615294
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce NeuCo-Bench, a novel benchmark framework for evaluating (lossy) neural compression and representation learning in the context of Earth Observation (EO). Our approach builds on fixed-size embeddings that act as compact, task-agnostic representations applicable to a broad range of downstream tasks. NeuCo-Bench comprises three core components: (i) an evaluation pipeline built around reusable embeddings, (ii) a new challenge mode with a hidden-task leaderboard designed to mitigate pretraining bias, and (iii) a scoring system that balances accuracy and stability. To support reproducibility, we release SSL4EO-S12-downstream, a curated multispectral, multitemporal EO dataset. We present initial results from a public challenge at the 2025 CVPR EARTHVISION workshop and conduct ablations with state-of-the-art foundation models. NeuCo-Bench provides a first step towards community-driven, standardized evaluation of neural embeddings for EO and beyond.
• Abstract（参考訳）: 我々は、地球観測(EO)の文脈において、ニューコベンチ(NeuCo-Bench)という、ニューコベンチ(NeuCo-Bench)という、(ロッキーな)ニューラル圧縮と表現学習を評価するための新しいベンチマークフレームワークを紹介した。 我々の手法は、幅広い下流タスクに適用可能なコンパクトでタスクに依存しない表現として機能する固定サイズの埋め込みに基づいている。 NeuCo-Benchは3つのコアコンポーネントから構成される。 (i)再利用可能な埋め込みを中心に構築された評価パイプライン。 (二)事前学習バイアスを軽減するための隠れタスクリーダーボードを備えた新しいチャレンジモード、及び 三 正確性と安定性のバランスをとるスコアシステム。 再現性をサポートするため、我々はSSL4EO-S12-ダウンストリーム、マルチスペクトル、マルチテンポラルEOデータセットをリリースする。 本稿では,2025年CVPR EARTHVISIONワークショップにおける公開課題の成果と,最先端の基盤モデルによる改善について紹介する。 NeuCo-Benchは、コミュニティ主導で標準化されたEO以降の神経埋め込みの評価に向けた第一歩を提供する。

関連論文リスト

• ACTRESS: Active Retraining for Semi-supervised Visual Grounding [52.08834188447851]
  前回の研究であるRefTeacherは、疑似自信と注意に基づく監督を提供するために教師学生の枠組みを採用することで、この課題に取り組むための最初の試みである。 このアプローチは、Transformerベースのパイプラインに従う現在の最先端のビジュアルグラウンドモデルと互換性がない。 本稿では, ACTRESS を略したセミスーパービジョン視覚グラウンドのためのアクティブ・リトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2024-07-03T16:33:31Z)
• Consistency-Guided Asynchronous Contrastive Tuning for Few-Shot Class-Incremental Tuning of Foundation Models [19.165004570789755]
  CoACTは、(i)非同期コントラストチューニング、(ii)制御された微調整、(iii)一貫性のあるインクリメンタルチューニングの3つの重要なコンポーネントから構成される。 提案したFew-Shot Class-Incremental Learning (FSCIL)とFew-Shot Class-Incremental Tuning (FSCIT)と呼ばれる新しい挑戦的なセットアップについて検討した。 CoACTは、FSCILで最大5.02%、個々のデータセットで最大12.51%、平均2.47%改善している。
  論文  参考訳（メタデータ） (2024-05-26T16:41:03Z)
• No Pairs Left Behind: Improving Metric Learning with Regularized Triplet Objective [19.32706951298244]
  サンプルマイニングやオーバーヘッドコストを伴わずにメートル法学習を改善する三重項目的関数の新たな定式化を提案する。 提案手法は,従来の3重項対象の定式化によって改善されていることを示す。
  論文  参考訳（メタデータ） (2022-10-18T00:56:01Z)
• Generalised Co-Salient Object Detection [50.876864826216924]
  本稿では,従来のCo-Salient Object Detection(CoSOD)設定における仮定を緩和する新しい設定を提案する。 我々はこの新たな設定を一般共分散オブジェクト検出(GCoSOD)と呼ぶ。 本稿では,コサリエントオブジェクトのイメージ間欠如の認識をCoSODモデルに再現する,新しいランダムサンプリングに基づく一般CoSODトレーニング(Generalized CoSOD Training, GCT)手法を提案する。
  論文  参考訳（メタデータ） (2022-08-20T12:23:32Z)
• Open-Set Recognition: A Good Closed-Set Classifier is All You Need [146.6814176602689]
  分類器が「ゼロ・オブ・ア・ア・ア・ベ」決定を行う能力は、閉集合クラスにおける精度と高い相関関係があることが示される。 この相関を利用して、閉セット精度を向上させることにより、クロスエントロピーOSR'ベースライン'の性能を向上させる。 また、セマンティックノベルティを検出するタスクをより尊重する新しいベンチマークを構築した。
  論文  参考訳（メタデータ） (2021-10-12T17:58:59Z)
• Reliable Evaluations for Natural Language Inference based on a Unified Cross-dataset Benchmark [54.782397511033345]
  クラウドソースの自然言語推論(NLI)データセットは、アノテーションアーティファクトのような重大なバイアスに悩まされる可能性がある。 14のNLIデータセットと9つの広く使用されているニューラルネットワークベースのNLIモデルを再評価した、新しいクロスデータセットベンチマークを提案する。 提案した評価手法と実験ベースラインは,将来信頼性の高いNLI研究を刺激する基盤となる可能性がある。
  論文  参考訳（メタデータ） (2020-10-15T11:50:12Z)
• Peeking into occluded joints: A novel framework for crowd pose estimation [88.56203133287865]
  OPEC-NetはイメージガイドされたプログレッシブGCNモジュールで、推論の観点から見えない関節を推定する。 OCPoseは、隣接するインスタンス間の平均IoUに対して、最も複雑なOccluded Poseデータセットである。
  論文  参考訳（メタデータ） (2020-03-23T19:32:40Z)

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。