論文の概要: Context-measure: Contextualizing Metric for Camouflage

• arxiv url: http://arxiv.org/abs/2512.07076v1
• Date: Mon, 08 Dec 2025 01:23:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.668524
• Title: Context-measure: Contextualizing Metric for Camouflage
• Title（参考訳）: 文脈尺度:カモフラージュの文脈化基準
• Authors: Chen-Yang Wang, Gepeng Ji, Song Shao, Ming-Ming Cheng, Deng-Ping Fan,
• Abstract要約: カモフラージュは、主にコンテキストに依存しているが、この重要な要因を見落としているキャモフラージュシナリオの現在のメトリクスである。 本稿では,確率的画素認識相関フレームワーク上に構築されたコンテキスト評価パラダイムであるコンテキスト尺度を提案する。
• 参考スコア（独自算出の注目度）: 63.31489136704254
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Camouflage is primarily context-dependent yet current metrics for camouflaged scenarios overlook this critical factor. Instead, these metrics are originally designed for evaluating general or salient objects, with an inherent assumption of uncorrelated spatial context. In this paper, we propose a new contextualized evaluation paradigm, Context-measure, built upon a probabilistic pixel-aware correlation framework. By incorporating spatial dependencies and pixel-wise camouflage quantification, our measure better aligns with human perception. Extensive experiments across three challenging camouflaged object segmentation datasets show that Context-measure delivers more reliability than existing context-independent metrics. Our measure can provide a foundational evaluation benchmark for various computer vision applications involving camouflaged patterns, such as agricultural, industrial, and medical scenarios. Code is available at https://github.com/pursuitxi/Context-measure.
• Abstract（参考訳）: カモフラージュは、主にコンテキストに依存しているが、この重要な要因を見落としているキャモフラージュシナリオの現在のメトリクスである。 その代わり、これらの指標は本来、非相関な空間的文脈を前提として、一般または有能な対象を評価するために設計されている。 本稿では,確率的画素認識相関フレームワーク上に構築されたコンテキスト評価パラダイムであるコンテキスト尺度を提案する。 空間的依存関係と画素ワイドカモフラージュ定量化を組み込むことで,人間の知覚との整合性が向上する。 カモフラージュした3つのオブジェクトセグメンテーションデータセットに対する大規模な実験は、コンテキスト尺度が既存のコンテキストに依存しないメトリクスよりも信頼性を提供することを示している。 本手法は, 農業, 産業, 医療シナリオなど, カモフラージュパターンを含む様々なコンピュータビジョンアプリケーションに対する基礎的評価ベンチマークを提供する。 コードはhttps://github.com/pursuitxi/Context-measure.comから入手できる。

関連論文リスト

• Evaluating the Evaluators: Metrics for Compositional Text-to-Image Generation [13.460909458745379]
  本稿では,コンポジションテキスト画像評価に広く用いられている指標について検討する。 我々の分析は単純な相関を超越し、様々な構成課題にまたがってそれらの振る舞いを調べる。 結果は、1つのメトリクスがタスク間で一貫した実行をしないことを示している。
  論文  参考訳（メタデータ） (2025-09-25T14:31:09Z)
• Quantifying the Plausibility of Context Reliance in Neural Machine Translation [25.29330352252055]
  我々は、PECoRe(Context Reliance)の可塑性評価を導入する。 PECoReは、言語モデル世代におけるコンテキスト使用量の定量化を目的として設計されたエンドツーエンドの解釈可能性フレームワークである。 我々は、文脈対応機械翻訳モデルの妥当性を定量化するために、pecoreを使用します。
  論文  参考訳（メタデータ） (2023-10-02T13:26:43Z)
• Contextual information integration for stance detection via cross-attention [59.662413798388485]
  スタンス検出は、著者の目標に対する姿勢を特定することを扱う。 既存のスタンス検出モデルの多くは、関連するコンテキスト情報を考慮していないため、制限されている。 文脈情報をテキストとして統合する手法を提案する。
  論文  参考訳（メタデータ） (2022-11-03T15:04:29Z)
• Towards Self-Supervised Category-Level Object Pose and Size Estimation [121.28537953301951]
  本研究は,一深度画像からのカテゴリレベルのオブジェクトポーズとサイズ推定のための自己教師型フレームワークを提案する。 我々は、同じ形状の点雲における幾何学的整合性を利用して自己超越する。
  論文  参考訳（メタデータ） (2022-03-06T06:02:30Z)
• Context-LGM: Leveraging Object-Context Relation for Context-Aware Object Recognition [48.5398871460388]
  本稿では,オブジェクト・コンテキスト関係を階層的にモデル化する新しいコンテキスト潜在生成モデル(Contextual Latent Generative Model,Context-LGM)を提案する。 文脈的特徴を推定するために、変数自動エンコーダ(VAE)の目的関数を再構成し、対象物に対する後続条件付き分布として文脈的特徴を学習する。 本手法の有効性は,2つのコンテキスト認識オブジェクト認識タスクにおける最先端性能によって検証される。
  論文  参考訳（メタデータ） (2021-10-08T11:31:58Z)
• Safety Metrics for Semantic Segmentation in Autonomous Driving [0.0]
  本稿では,セマンティックセグメンテーションに特化した安全意識の正確性とロバスト性指標について考察する。 我々の提案の斬新さは、ピクセルレベルのメトリクスを超えていくことである。 Nピクセルがクラスフルプされた2つのイメージが与えられた場合、設計されたメトリクスは、異なるレベルの安全性臨界を反映すべきである。 自律運転データセットを用いて評価した結果,提案手法の有効性と実用性を示した。
  論文  参考訳（メタデータ） (2021-05-21T05:59:49Z)
• Measuring and Increasing Context Usage in Context-Aware Machine Translation [64.5726087590283]
  機械翻訳モデルによるコンテキストの使用を定量的にするために、新しいメトリクス、条件付き相互情報を導入します。 次に,コンテキスト認識モデルによってコンテキストの使用量を増やすために,コンテキスト認識ワードドロップアウトという,新しい簡易なトレーニング手法を導入する。
  論文  参考訳（メタデータ） (2021-05-07T19:55:35Z)
• How Far are We from Effective Context Modeling? An Exploratory Study on Semantic Parsing in Context [59.13515950353125]
  文法に基づく意味解析を行い,その上に典型的な文脈モデリング手法を適用する。 我々は,2つの大きなクロスドメインデータセットに対して,13のコンテキストモデリング手法を評価した。
  論文  参考訳（メタデータ） (2020-02-03T11:28:10Z)

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。