論文の概要: FedCVU: Federated Learning for Cross-View Video Understanding

• arxiv url: http://arxiv.org/abs/2603.21647v1
• Date: Mon, 23 Mar 2026 07:26:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.539662
• Title: FedCVU: Federated Learning for Cross-View Video Understanding
• Title（参考訳）: FedCVU: クロスビュービデオ理解のためのフェデレーションラーニング
• Authors: Shenghan Zhang, Run Ling, Ke Cao, Ao Ma, Zhanjie Zhang,
• Abstract要約: フェデレートラーニング(FL)は、プライバシー保護のためのマルチカメラビデオ理解のための有望なパラダイムとして登場した。 FLをクロスビューシナリオに適用することは、(i)不均一な視点と背景が、高度に非IIDクライアントの配布につながること、(ii)局所的な分布バイアスが、不整合表現を引き起こすこと、(iii)大規模なビデオアーキテクチャが、禁止的な通信オーバーヘッドを引き起こすこと、の3つの大きな課題に直面します。 我々は,VS-Norm,CV-Align,軽量コントラスト正規化モジュール,SLAの3つのコンポーネントからなるフェデレーションフレームワークであるFedCVUを提案する。
• 参考スコア（独自算出の注目度）: 9.33706986632036
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Federated learning (FL) has emerged as a promising paradigm for privacy-preserving multi-camera video understanding. However, applying FL to cross-view scenarios faces three major challenges: (i) heterogeneous viewpoints and backgrounds lead to highly non-IID client distributions and overfitting to view-specific patterns, (ii) local distribution biases cause misaligned representations that hinder consistent cross-view semantics, and (iii) large video architectures incur prohibitive communication overhead. To address these issues, we propose FedCVU, a federated framework with three components: VS-Norm, which preserves normalization parameters to handle view-specific statistics; CV-Align, a lightweight contrastive regularization module to improve cross-view representation alignment; and SLA, a selective layer aggregation strategy that reduces communication without sacrificing accuracy. Extensive experiments on action understanding and person re-identification tasks under a cross-view protocol demonstrate that FedCVU consistently boosts unseen-view accuracy while maintaining strong seen-view performance, outperforming state-of-the-art FL baselines and showing robustness to domain heterogeneity and communication constraints.
• Abstract（参考訳）: フェデレートラーニング(FL)は、プライバシー保護のためのマルチカメラビデオ理解のための有望なパラダイムとして登場した。 しかし、横断的なシナリオにFLを適用することは、次の3つの大きな課題に直面します。 (i)不均一な視点と背景は、高度に非IIDクライアント分布をもたらし、ビュー固有のパターンに過度に適合する。 (二)局所分布バイアスは、一貫した横断的意味論を妨げる不整合表現を引き起こし、 (iii)大規模なビデオアーキテクチャでは通信のオーバーヘッドが禁じられている。 これらの問題に対処するために、ビュー固有統計処理のための正規化パラメータを保存するVS-Norm、クロスビュー表示アライメントを改善する軽量コントラスト正規化モジュールCV-Align、精度を犠牲にすることなく通信を削減できる選択層集約戦略SLAの3つのコンポーネントからなるフェデレーションフレームワークであるFedCVUを提案する。 クロスビュープロトコル下での行動理解と人物再識別タスクに関する大規模な実験により、FedCVUは、強い視認性を維持しつつ、視認性を向上し、最先端のFLベースラインを上回り、ドメインの不均一性と通信制約に対する堅牢性を示す。

関連論文リスト

• dinov3.seg: Open-Vocabulary Semantic Segmentation with DINOv3 [36.6036728217708]
  Open-Vocabulary Semantics (OVSS)は、テキスト定義カテゴリのオープンセットからピクセルレベルのラベルを割り当て、推論時に見えないクラスに信頼性の高い一般化を要求する。 我々は dinov3.seg を導入し、 dinov3.txt を OVSS 専用のフレームワークに拡張した。 まず、このバックボーンに合わせたタスク固有のアーキテクチャを設計し、従来のオープン語彙セグメンテーション作業から確立した設計原則を体系的に適用する。 第2に、VTベースのエンコーダのグローバルトークンとローカルパッチレベルのビジュアル特徴の両方に整合したテキスト埋め込みを共同で活用する。
  論文  参考訳（メタデータ） (2026-03-19T23:57:28Z)
• Perception-Aware Multimodal Spatial Reasoning from Monocular Images [57.42071289037214]
  単眼画像からの空間的推論は 自律運転には不可欠です 現在のヴィジュアルランゲージモデル(VLM)は、微粒な幾何学的知覚に苦慮している。 本稿では,VLMを明示的な対象中心の接地能力を持つ知覚認識型マルチモーダル推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-07T02:05:12Z)
• Unify the Views: View-Consistent Prototype Learning for Few-Shot Segmentation [23.546777614096424]
  ショーショットセグメンテーション(FSS)は、限られた監督力を持つ新しいクラスに一般化する能力において大きな注目を集めている。 本稿では、クラス固有のプロトタイプを洗練するための構造的一貫性と識別をモデル化する統合フレームワークであるVINEを導入することにより、これらの課題に対処する。
  論文  参考訳（メタデータ） (2026-03-06T06:36:42Z)
• FSCA-Net: Feature-Separated Cross-Attention Network for Robust Multi-Dataset Training [3.2658295979028753]
  本稿では,特徴表現をドメイン不変およびドメイン固有コンポーネントに分離する統合フレームワークを提案する。 新しいクロスアテンション融合モジュールは、これらのコンポーネント間の相互作用を適応的にモデル化し、効果的な知識伝達を保証する。 複数のクラウドカウントベンチマークの実験では、FSCA-Netは負の転送を効果的に軽減し、最先端のクロスデータセットの一般化を実現する。
  論文  参考訳（メタデータ） (2026-02-02T02:18:48Z)
• Replacing Parameters with Preferences: Federated Alignment of Heterogeneous Vision-Language Models [63.70401095689976]
  パラメータを好みに置き換えることは、よりスケーラブルでプライバシに保護される未来を表している、と私たちは主張する。 ヘテロジニアスVLMのためのGRPOとMixture-of-Rewardsを用いた協調アライメントフレームワークであるMoRを提案する。 MoRは、一般化、堅牢性、およびクロスクライアント適応性において、連邦化されたアライメントベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2026-01-31T03:11:51Z)
• Towards Federated Clustering: A Client-wise Private Graph Aggregation Framework [57.04850867402913]
  フェデレーションクラスタリングは、分散化されたラベルのないデータからパターンを抽出する課題に対処する。 本研究では,プライバシ保護のための知識共有媒体として,局所構造グラフを革新的に活用する新しいアルゴリズムSPP-FGCを提案する。 我々のフレームワークは最先端のパフォーマンスを実現し、認証可能なプライバシー保証を維持しつつ、フェデレーションベースラインよりも最大10%(NMI)のクラスタリング精度を向上させる。
  論文  参考訳（メタデータ） (2025-11-14T03:05:22Z)
• Subgraph Federated Learning via Spectral Methods [52.40322201034717]
  FedLapは、プライバシとスケーラビリティを確保しながら、ノード間の依存関係をキャプチャする新しいフレームワークである。 我々は、FedLapのプライバシを正式に分析し、プライバシを保存することを実証する。
  論文  参考訳（メタデータ） (2025-10-29T16:22:32Z)
• Generalized Decoupled Learning for Enhancing Open-Vocabulary Dense Perception [71.26728044621458]
  DeCLIPは、CLIPを強化する新しいフレームワークで、自己認識モジュールを分離して、それぞれコンテンツ’と“コンテキスト’の機能を取得する。 2D検出とセグメンテーション、3Dインスタンスのセグメンテーション、ビデオインスタンスのセグメンテーション、6Dオブジェクトのポーズ推定など、幅広いタスクにわたる最先端のパフォーマンスを一貫して達成する。
  論文  参考訳（メタデータ） (2025-08-15T06:43:51Z)
• FedRSClip: Federated Learning for Remote Sensing Scene Classification Using Vision-Language Models [23.830133838392964]
  本稿では,VLM,特にCLIPに基づくリモートセンシング画像分類のための最初のフェデレーション学習フレームワークであるFedRSCLIPを提案する。 FedRSCLIPは、Prompt Learningを導入することで、フェデレーション環境におけるデータ不均一性と大規模モデル伝送の課題に対処する。 提案モデルの有効性を検証するため,既存の3つのリモートセンシング画像分類データセットに基づいてFed-RSICデータセットを構築した。
  論文  参考訳（メタデータ） (2025-01-05T07:10:27Z)
• Federated Unsupervised Representation Learning [56.715917111878106]
  フェデレート非教師表現学習(FURL)と呼ばれるフェデレーション学習における新しい問題を定式化し、教師なしの共通表現モデルを学習する。 FedCAは2つの主要なモジュールで構成されている: 辞書モジュールは、各クライアントからのサンプルの表現を集約し、表現空間の整合性のためにすべてのクライアントと共有し、アライメントモジュールは、公開データに基づいてトレーニングされたベースモデル上で各クライアントの表現を整合させる。
  論文  参考訳（メタデータ） (2020-10-18T13:28:30Z)

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。