論文の概要: Tri-Select: A Multi-Stage Visual Data Selection Framework for Mobile Visual Crowdsensing

• arxiv url: http://arxiv.org/abs/2512.16469v1
• Date: Thu, 18 Dec 2025 12:40:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.408175
• Title: Tri-Select: A Multi-Stage Visual Data Selection Framework for Mobile Visual Crowdsensing
• Title（参考訳）: Tri-Select: モバイルビジュアルクラウドセンシングのためのマルチステージビジュアルデータ選択フレームワーク
• Authors: Jiayu Zhang, Kaixing Zhao, Tianhao Shao, Bin Guo, Liang He,
• Abstract要約: Tri-Selectは、冗長で低品質な画像を効率的にフィルタする多段階のビジュアルデータ選択フレームワークである。 実世界のデータセットと公開データセットの実験は、Tri-Selectが選択効率とデータセットの品質の両方を改善することを示した。
• 参考スコア（独自算出の注目度）: 12.382346775228354
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mobile visual crowdsensing enables large-scale, fine-grained environmental monitoring through the collection of images from distributed mobile devices. However, the resulting data is often redundant and heterogeneous due to overlapping acquisition perspectives, varying resolutions, and diverse user behaviors. To address these challenges, this paper proposes Tri-Select, a multi-stage visual data selection framework that efficiently filters redundant and low-quality images. Tri-Select operates in three stages: (1) metadata-based filtering to discard irrelevant samples; (2) spatial similarity-based spectral clustering to organize candidate images; and (3) a visual-feature-guided selection based on maximum independent set search to retain high-quality, representative images. Experiments on real-world and public datasets demonstrate that Tri-Select improves both selection efficiency and dataset quality, making it well-suited for scalable crowdsensing applications.
• Abstract（参考訳）: モバイル・ビジュアル・クラウドセンシングにより、分散モバイルデバイスの画像収集による大規模できめ細かな環境モニタリングが可能になる。 しかし、結果として得られるデータは、重複する取得の観点、様々な解像度、多様なユーザの振る舞いのために、しばしば冗長で不均一である。 これらの課題に対処するために,冗長かつ低品質な画像を効率的にフィルタする多段階視覚データ選択フレームワークTri-Selectを提案する。 Tri-Selectは,(1)無関係なサンプルを破棄するためのメタデータベースのフィルタリング,(2)候補画像の整理のための空間類似性に基づくスペクトルクラスタリング,(3)高品質な代表画像を保持するために,最大独立セット探索に基づく視覚特徴誘導選択の3段階からなる。 実世界のデータセットと公開データセットの実験では、Tri-Selectが選択効率とデータセットの品質の両方を改善し、スケーラブルなクラウドセンシングアプリケーションに適していることが示されている。

関連論文リスト

• Active View Selection for Scene-level Multi-view Crowd Counting and Localization with Limited Labels [55.396639405563526]
  複数ビューの観客数と位置決めは、入力された複数ビューを融合させ、地上の観客数や場所を推定する。 既存の方法は巨大なラベル付きビューとイメージを必要とし、クロスシーン設定ができない。 ビュー選択戦略において、ビューとシーンのジオメトリを考慮した独立ビュー選択法(IVS)を提案する。 また、ビュー選択、ラベル付け、下流タスクを協調的に最適化するアクティブビュー選択法(AVS)も提案した。
  論文  参考訳（メタデータ） (2025-09-20T13:23:46Z)
• Picking the Cream of the Crop: Visual-Centric Data Selection with Collaborative Agents [62.616106562146776]
  textbfVisual-Centric textbfSelection approach by textbfAgents Collaboration (ViSA)を提案する。 提案手法は,(1)視覚エージェントの協調による画像情報定量化手法により,リッチな視覚情報を持つ画像を選択する方法,(2)高品質な画像に関連する高品質な画像を選択する視覚中心の指示品質評価手法からなる。
  論文  参考訳（メタデータ） (2025-02-27T09:37:30Z)
• TSceneJAL: Joint Active Learning of Traffic Scenes for 3D Object Detection [26.059907173437114]
  TSceneJALフレームワークはラベル付きデータとラベルなしデータの両方から、バランスのとれた、多様性のある、複雑なトラフィックシーンを効率的にサンプリングすることができる。 提案手法は,3次元オブジェクト検出タスクにおける既存の最先端手法よりも12%向上した。
  論文  参考訳（メタデータ） (2024-12-25T11:07:04Z)
• MIA-DPO: Multi-Image Augmented Direct Preference Optimization For Large Vision-Language Models [85.30735602813093]
  Multi-Image Augmented Direct Preference Optimization (MIA-DPO)は、マルチイメージ入力を効果的に処理する視覚的嗜好アライメントアプローチである。 MIA-DPOは、グリッドコラージュやピクチャ・イン・ピクチャ形式で配置された無関係な画像で単一の画像データを拡張することにより、多様なマルチイメージトレーニングデータの不足を軽減する。
  論文  参考訳（メタデータ） (2024-10-23T07:56:48Z)
• Freeview Sketching: View-Aware Fine-Grained Sketch-Based Image Retrieval [85.73149096516543]
  微細スケッチベース画像検索(FG-SBIR)におけるスケッチ作成時の視点選択について検討する。 パイロットスタディでは、クエリスケッチがターゲットインスタンスと異なる場合、システムの苦労を強調している。 これを解決するために、ビューに依存しないタスクとビュー固有のタスクの両方をシームレスに収容するビューアウェアシステムを提案する。
  論文  参考訳（メタデータ） (2024-07-01T21:20:44Z)
• Multi-Teacher Multi-Objective Meta-Learning for Zero-Shot Hyperspectral Band Selection [50.30291173608449]
  ゼロショットハイパースペクトル帯選択のための新しい多目的メタラーニングネットワーク(M$3$BS)を提案する。 M$3$BSでは、データセットに依存しないベースを生成するために、一般化可能なグラフ畳み込みネットワーク(GCN)を構築している。 取得したメタ知識は、トレーニングや微調整なしに、直接見えないデータセットに転送することができる。
  論文  参考訳（メタデータ） (2024-06-12T07:13:31Z)
• Efficient View Clustering and Selection for City-Scale 3D Reconstruction [1.1011268090482573]
  本稿では,MVSアルゴリズムを任意の画像集合に拡張するための新しい手法を提案する。 提案手法は、ポーズと幾何学のほぼ均一な分布を利用して、重なり合うクラスタの集合を構築する。 クラスタリングはペアの可視情報とは独立しているため、提案アルゴリズムは既存の文献よりも高速に動作し、大規模な並列化を可能にする。
  論文  参考訳（メタデータ） (2022-07-18T08:33:52Z)
• Hyperspectral Band Selection for Multispectral Image Classification with Convolutional Networks [0.0]
  ハイパースペクトル画像から波長の減少したセットを選択するための新しいバンド選択法を提案する。 本手法により,マルチスペクトルセンサの設計に適した結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-06-01T17:24:35Z)
• Auto-weighted Multi-view Feature Selection with Graph Optimization [90.26124046530319]
  グラフ学習に基づく新しい教師なしマルチビュー特徴選択モデルを提案する。 1) 特徴選択過程において, 異なる視点で共有されたコンセンサス類似度グラフが学習される。 各種データセットを用いた実験により,提案手法が最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-04-11T03:25:25Z)

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。