論文の概要: Extremal Contours: Gradient-driven contours for compact visual attribution

• arxiv url: http://arxiv.org/abs/2511.01411v1
• Date: Mon, 03 Nov 2025 10:02:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:27.215131
• Title: Extremal Contours: Gradient-driven contours for compact visual attribution
• Title（参考訳）: 極端輪郭:コンパクトな視覚属性のための勾配駆動輪郭
• Authors: Reza Karimzadeh, Albert Alonso, Frans Zdyb, Julius B. Kirkegaard, Bulat Ibragimov,
• Abstract要約: 恒星を監督するフレームワークが高密度マスクによってより複雑なものを実現する方法を示す。 ImageNetsでは、高密度マスクの極端の輪郭とマッチングし、ランニング・トゥ・ラン・ビジョンを改善したコンパクトな領域を生成する。
• 参考スコア（独自算出の注目度）: 5.6220652636435915
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Faithful yet compact explanations for vision models remain a challenge, as commonly used dense perturbation masks are often fragmented and overfitted, needing careful post-processing. Here, we present a training-free explanation method that replaces dense masks with smooth tunable contours. A star-convex region is parameterized by a truncated Fourier series and optimized under an extremal preserve/delete objective using the classifier gradients. The approach guarantees a single, simply connected mask, cuts the number of free parameters by orders of magnitude, and yields stable boundary updates without cleanup. Restricting solutions to low-dimensional, smooth contours makes the method robust to adversarial masking artifacts. On ImageNet classifiers, it matches the extremal fidelity of dense masks while producing compact, interpretable regions with improved run-to-run consistency. Explicit area control also enables importance contour maps, yielding a transparent fidelity-area profiles. Finally, we extend the approach to multi-contour and show how it can localize multiple objects within the same framework. Across benchmarks, the method achieves higher relevance mass and lower complexity than gradient and perturbation based baselines, with especially strong gains on self-supervised DINO models where it improves relevance mass by over 15% and maintains positive faithfulness correlations.
• Abstract（参考訳）: 一般的に使用される高密度摂動マスクは、しばしば断片化され、過度に適合し、慎重に後処理を必要とするため、視覚モデルに対する忠実でコンパクトな説明は依然として課題である。 本稿では,高密度マスクをスムーズな調整可能な輪郭に置き換える訓練不要な説明法を提案する。 星-凸領域は、切り離されたフーリエ級数でパラメータ化され、分類器勾配を用いて極端保存/削除目標の下で最適化される。 このアプローチは単一の単純な接続マスクを保証し、自由パラメータの数を桁違いに削減し、クリーンアップなしで安定した境界更新をもたらす。 低次元の滑らかな輪郭への解の制限は、逆マスキングアーティファクトに対して堅牢である。 ImageNet分類器では、高密度マスクの極端忠実度と一致し、コンパクトで解釈可能な領域を生成し、実行時の一貫性を改善した。 明示的な領域制御はまた、重要な輪郭マップを可能にし、透明な忠実度領域プロファイルを生成する。 最後に、アプローチをマルチパターンに拡張し、同じフレームワーク内で複数のオブジェクトをローカライズする方法を示す。 特に自己教師型DINOモデルでは, 関連質量を15%以上向上し, 正の忠実度相関を維持している。

関連論文リスト

• MeshMosaic: Scaling Artist Mesh Generation via Local-to-Global Assembly [62.48017648785026]
  MeshMosaicは,100K以上の三角形にスケールするアーティストメッシュ生成のための,新たなローカル・グローバルなフレームワークである。 MeshMosaicは,幾何学的忠実度とユーザの好みの両方において,最先端の手法を著しく上回ることを示す。
  論文  参考訳（メタデータ） (2025-09-24T11:02:03Z)
• Preconditioned Deformation Grids [41.79220966392968]
  非構造点雲列から直接コヒーレントな変形場を推定する新しい手法であるプレコンディショニング変形格子を導入する。 提案手法は,最先端技術と比較して,特に長いシーケンスにおいて優れた結果が得られる。
  論文  参考訳（メタデータ） (2025-09-22T17:59:55Z)
• CAM-Seg: A Continuous-valued Embedding Approach for Semantic Image Generation [11.170848285659572]
  量子化埋め込みを用いたセグメンテーションマスクのオートエンコーダ精度は連続数値埋め込みよりも8%低い。 セマンティックセグメンテーションのための連続評価組込みフレームワークを提案する。 提案手法では,細粒度のセマンティックな詳細を保存しながら,離散的な潜在表現の必要性を排除している。
  論文  参考訳（メタデータ） (2025-03-19T18:06:54Z)
• SpaceMesh: A Continuous Representation for Learning Manifold Surface Meshes [61.110517195874074]
  本稿では,ニューラルネットワークの出力として,複雑な接続性を持つ多様体多角形メッシュを直接生成する手法を提案する。 私たちの重要なイノベーションは、各メッシュで連続的な遅延接続空間を定義することです。 アプリケーションでは、このアプローチは生成モデルから高品質な出力を得るだけでなく、メッシュ修復のような挑戦的な幾何処理タスクを直接学習することを可能にする。
  論文  参考訳（メタデータ） (2024-09-30T17:59:03Z)
• Binary Opacity Grids: Capturing Fine Geometric Detail for Mesh-Based View Synthesis [70.40950409274312]
  我々は、細い構造を再構築する能力を損なうことなく、表面への収束を促すために密度場を変更する。 また, メッシュの単純化と外観モデルの適合により, 融合型メッシュ方式を開発した。 私たちのモデルで生成されたコンパクトメッシュは、モバイルデバイス上でリアルタイムでレンダリングできます。
  論文  参考訳（メタデータ） (2024-02-19T18:59:41Z)
• A bioinspired three-stage model for camouflaged object detection [8.11866601771984]
  本稿では,1回の繰り返しで粗い部分分割を可能にする3段階モデルを提案する。 本モデルでは, 3つのデコーダを用いて, サブサンプル特徴, 収穫特徴, および高解像度のオリジナル特徴を逐次処理する。 我々のネットワークは、不要な複雑さを伴わずに最先端のCNNベースのネットワークを上回る。
  論文  参考訳（メタデータ） (2023-05-22T02:01:48Z)
• BoundarySqueeze: Image Segmentation as Boundary Squeezing [104.43159799559464]
  本研究では,オブジェクトとシーンの微細な高画質画像分割のための新しい手法を提案する。 形態素画像処理技術による拡張と浸食に着想を得て,画素レベルのセグメンテーション問題をスクイーズ対象境界として扱う。 提案手法は,COCO,Cityscapesのインスタンス・セグメンテーション・セグメンテーション・セグメンテーションにおいて大きく向上し,同一条件下での精度・速度ともに従来のPointRendよりも優れていた。
  論文  参考訳（メタデータ） (2021-05-25T04:58:51Z)
• Image Inpainting by End-to-End Cascaded Refinement with Mask Awareness [66.55719330810547]
  任意の欠落領域を塗りつぶすことは、様々なマスクされた領域で有効な特徴を学ぶことは非自明だから難しい。 符号化フェーズにおける欠落領域のマルチスケール特徴を学習する新しいマスク対応インペイントソリューションを提案する。 私たちのフレームワークは、3つの公開データセットに関する広範な実験を通じて定量的および定性的に検証されます。
  論文  参考訳（メタデータ） (2021-04-28T13:17:47Z)

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。