論文の概要: Weakly supervised multimodal segmentation of acoustic borehole images with depth-aware cross-attention

• arxiv url: http://arxiv.org/abs/2603.20729v1
• Date: Sat, 21 Mar 2026 09:28:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.05984
• Title: Weakly supervised multimodal segmentation of acoustic borehole images with depth-aware cross-attention
• Title（参考訳）: 奥行き認識型音響ボアホール画像の弱教師付き多重モーダル分割
• Authors: Jose Luis Lima de Jesus Silva,
• Abstract要約: 学習モデルを用いて閾値誘導擬似ラベルを洗練する弱教師付きマルチモーダルセグメンテーションフレームワークを導入する。 しきい値誘導学習による改善が、生のしきい値よりも最も堅牢な改善をもたらすことを確認します。 最強のモデルである自信付き深度対応クロスアテンション(CG-DCA)は、しきい値ベース、画像のみ、および初期のマルチモーダルベースラインを一貫して上回る。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Acoustic borehole images provide high-resolution borehole-wall structure, but large-scale interpretation remains difficult because dense expert annotations are rarely available and subsurface information is intrinsically multimodal. The challenge is developing weakly supervised methods combining two-dimensional image texture with depth-aligned one-dimensional well-logs. Here, we introduce a weakly supervised multimodal segmentation framework that refines threshold-guided pseudo-labels through learned models. This preserves the annotation-free character of classical thresholding and clustering workflows while extending them with denoising, confidence-aware pseudo-supervision, and physically structured fusion. We establish that threshold-guided learned refinement provides the most robust improvement over raw thresholding, denoised thresholding, and latent clustering baselines. Multimodal performance depends strongly on fusion strategy: direct concatenation provides limited gains, whereas depth-aware cross-attention, gated fusion, and confidence-aware modulation substantially improve agreement with the weak supervisory reference. The strongest model, confidence-gated depth-aware cross-attention (CG-DCA), consistently outperforms threshold-based, image-only, and earlier multimodal baselines. Targeted ablations show its advantage depends specifically on confidence-aware fusion and structured local depth interaction rather than model complexity alone. Cross-well analyses confirm this performance is broadly stable. These results establish a practical, scalable framework for annotation-free segmentation, showing multimodal improvement is maximized when auxiliary logs are incorporated selectively and depth-aware.
• Abstract（参考訳）: 音響ボアホール画像は高分解能なボアホール壁構造を提供するが、密集した専門家アノテーションは稀であり、地下情報は本質的にマルチモーダルであるため、大規模な解釈は難しいままである。 この課題は,2次元画像テクスチャと奥行き整合した1次元ウェルログを組み合わせた弱教師付き手法の開発である。 本稿では,学習モデルを用いて閾値誘導擬似ラベルを洗練する弱教師付きマルチモーダルセグメンテーションフレームワークを提案する。 これは、古典的なしきい値とクラスタリングワークフローのアノテーションなしの性格を保ちながら、それらをデノイング、自信に敏感な擬似スーパービジョン、物理的に構造化された融合で拡張する。 しきい値誘導学習による改善は、生のしきい値設定、復号化しきい値設定、潜時クラスタリングベースラインよりも、最も堅牢な改善を提供する。 直接連結は利得に制限を与えるが、深度対応のクロスアテンション、ゲート融合、信頼対応の変調は弱い監督基準との整合性を大幅に改善する。 最強のモデルである自信付き深度対応クロスアテンション(CG-DCA)は、しきい値ベース、画像のみ、および初期のマルチモーダルベースラインを一貫して上回る。 その利点は、モデル複雑さのみでなく、信頼性に敏感な融合と構造化された局所的な深度相互作用に特に依存している。 クロスウェル解析により、この性能は広く安定であることを確認した。 これらの結果は、アノテーションのないセグメンテーションのための実用的でスケーラブルなフレームワークを確立し、補助ログを選択的に組み込んだときにマルチモーダル改善が最大化されることを示す。

関連論文リスト

• EReCu: Pseudo-label Evolution Fusion and Refinement with Multi-Cue Learning for Unsupervised Camouflage Detection [20.892452296357813]
  非教師付きカモフラーゲ型物体検出(UCOD)は、対象物とその周囲の固有の類似性が高いため、依然として困難な課題である。 擬似ラベルの信頼性と特徴の忠実度を両立させる統一UCODフレームワークを提案する。 提案手法は,高精細感,堅牢な境界アライメント,高次一般化を特徴とする最先端性能を実現する。
  論文  参考訳（メタデータ） (2026-03-12T04:10:32Z)
• Hierarchical Granularity Alignment and State Space Modeling for Robust Multimodal AU Detection in the Wild [12.893641381621459]
  階層的粒度アライメントと状態空間モデルによって駆動される新しいマルチモーダルフレームワークを提案する。 従来の時間畳み込みネットワークの受容的フィールド制限を、ビジョン・マンバアーキテクチャを導入して克服する。 このアプローチにより、O(N)線形複雑性を伴う時間的モデリングが可能となり、性能劣化を伴わずに超長距離力学を効果的に捉えることができる。
  論文  参考訳（メタデータ） (2026-03-11T21:05:59Z)
• CrystaL: Spontaneous Emergence of Visual Latents in MLLMs [55.34169914483764]
  CrystaL(Crystallized Latent Reasoning)は,静止画像と劣化画像を処理するための2つの経路を持つ単一ステージフレームワークである。 CrystaLは2つの経路にまたがる注意パターンと予測分布を明確に調整することで、潜在表現をタスク関連視覚意味論に結晶化する。 知覚集約ベンチマークの実験では、CrystaLは最先端のベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-02-24T15:01:30Z)
• Multi-label Classification with Panoptic Context Aggregation Networks [61.82285737410154]
  本稿では,多次幾何学的文脈を階層的に統合する新しいアプローチであるDeep Panoptic Context Aggregation Network(PanCAN)を紹介する。 PanCANは、ランダムウォークとアテンションメカニズムを組み合わせることで、各スケールで複数階の近傍関係を学習する。 NUS-WIDE、PASCAL VOC、2007、MS-COCOベンチマークの実験は、PanCANが一貫して競争結果を達成することを示した。
  論文  参考訳（メタデータ） (2025-12-29T14:16:21Z)
• Extremal Contours: Gradient-driven contours for compact visual attribution [5.6220652636435915]
  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。
  論文  参考訳（メタデータ） (2025-11-03T10:02:21Z)
• WaveSeg: Enhancing Segmentation Precision via High-Frequency Prior and Mamba-Driven Spectrum Decomposition [61.3530659856013]
  本稿では,空間およびウェーブレット領域の機能改善を共同で最適化する新しいデコーダアーキテクチャであるWaveSegを提案する。 高周波成分は、まず入力画像から、境界の詳細を強化するために明示的な先行として学習される。 標準ベンチマークの実験では、Mambaベースの注目に先立ってウェーブレット-ドメイン周波数を利用するWaveSegが、常に最先端のアプローチより優れていることが示されている。
  論文  参考訳（メタデータ） (2025-10-24T01:41:31Z)
• Explaining multimodal LLMs via intra-modal token interactions [55.27436637894534]
  MLLM(Multimodal Large Language Models)は、様々な視覚言語タスクにおいて顕著な成功を収めているが、その内部決定機構は十分に理解されていない。 モーダル内相互作用を利用した解釈可能性の向上を提案する。
  論文  参考訳（メタデータ） (2025-09-26T14:39:13Z)
• Graph-Based Uncertainty Modeling and Multimodal Fusion for Salient Object Detection [12.743278093269325]
  動的不確実性伝播とマルチモーダル協調推論ネットワーク(DUP-MCRNet)を提案する。 DUGCは空間意味距離に基づいて構築されたスパースグラフを通じて層間の不確実性を伝播するように設計されている。 MCFは学習可能なモダリティゲーティングウェイトを使用して、RGB、深さ、エッジの特徴の注意マップを重み付けする。
  論文  参考訳（メタデータ） (2025-08-28T04:31:48Z)
• Calibrating Undisciplined Over-Smoothing in Transformer for Weakly Supervised Semantic Segmentation [51.14107156747967]
  弱教師付きセマンティックセマンティックセマンティクス(WSSS)は、完全な教師付きアプローチよりもアノテーションが少ないため、かなりの注目を集めている。 本研究では,非学際的な過密化に対する深い注意を抑えるための適応的再活性化機構 (AReAM) を提案する。 AReAMは既存のWSSS手法と比較してセグメンテーション性能を大幅に改善し、ノイズを低減し、関連するセマンティック領域に焦点を絞る。
  論文  参考訳（メタデータ） (2023-05-04T19:11:33Z)
• Understanding and Constructing Latent Modality Structures in Multi-modal Representation Learning [53.68371566336254]
  優れたパフォーマンスの鍵は、完全なモダリティアライメントではなく、有意義な潜在モダリティ構造にある、と我々は主張する。 具体的には,1)モダリティ内正規化のための深い特徴分離損失,2)モダリティ間正規化のためのブラウン橋損失,3)モダリティ内正規化およびモダリティ間正規化のための幾何学的整合損失を設計する。
  論文  参考訳（メタデータ） (2023-03-10T14:38:49Z)

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。