論文の概要: Heuristic-inspired Reasoning Priors Facilitate Data-Efficient Referring Object Detection

• arxiv url: http://arxiv.org/abs/2603.24166v1
• Date: Wed, 25 Mar 2026 10:33:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-26 21:06:11.248464
• Title: Heuristic-inspired Reasoning Priors Facilitate Data-Efficient Referring Object Detection
• Title（参考訳）: ヒューリスティックにインスパイアされた推論は、データ効率の良い参照オブジェクト検出を実現する
• Authors: Xu Zhang, Zhe Chen, Jing Zhang, Dacheng Tao,
• Abstract要約: HeROD(Heuristic-inspired ROD)は、明示的で解釈可能な空間的および意味的推論を注入する軽量でモデルに依存しないフレームワークである。 HeRODは、スカーセラベル体制において強い接地ベースラインを一貫して上回っている。
• 参考スコア（独自算出の注目度）: 53.988759250627425
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most referring object detection (ROD) models, especially the modern grounding detectors, are designed for data-rich conditions, yet many practical deployments, such as robotics, augmented reality, and other specialized domains, would face severe label scarcity. In such regimes, end-to-end grounding detectors need to learn spatial and semantic structure from scratch, wasting precious samples. We ask a simple question: Can explicit reasoning priors help models learn more efficiently when data is scarce? To explore this, we first introduce a Data-efficient Referring Object Detection (De-ROD) task, which is a benchmark protocol for measuring ROD performance in low-data and few-shot settings. We then propose the HeROD (Heuristic-inspired ROD), a lightweight, model-agnostic framework that injects explicit, heuristic-inspired spatial and semantic reasoning priors, which are interpretable signals derived based on the referring phrase, into 3 stages of a modern DETR-style pipeline: proposal ranking, prediction fusion, and Hungarian matching. By biasing both training and inference toward plausible candidates, these priors promise to improve label efficiency and convergence performance. On RefCOCO, RefCOCO+, and RefCOCOg, HeROD consistently outperforms strong grounding baselines in scarce-label regimes. More broadly, our results suggest that integrating simple, interpretable reasoning priors provides a practical and extensible path toward better data-efficient vision-language understanding.
• Abstract（参考訳）: ほとんどの参照対象検出(ROD)モデル、特に現代の接地検出器は、データ豊富な条件のために設計されているが、ロボティクス、拡張現実、その他の専門分野のような多くの実践的な展開は、深刻なラベルの不足に直面している。 このような状況下では、端から端までの接地検出器は空間構造と意味構造をゼロから学習し、貴重なサンプルを無駄にする。 明確な推論は、データが不足しているときにモデルをより効率的に学習するのに役立ちますか? そこで我々はまず,ローデータおよび少数ショット設定におけるRDD性能を測定するためのベンチマークプロトコルである,データ効率のよい参照オブジェクト検出(De-ROD)タスクを導入する。 次に,HROD(Heuristic-inspired ROD)を提案する。これは,参照句に基づく解釈可能な信号である明示的,ヒューリスティックな空間的および意味的推論を,提案ランキング,予測融合,ハンガリー語マッチングの3段階に注入する,軽量でモデルに依存しないフレームワークである。 評価可能な候補に対するトレーニングと推論の両方をバイアスすることにより、これらの事前はラベル効率と収束性能を改善することを約束する。 RefCOCO、RefCOCO+、およびRefCOCOgにおいて、HeRODは、希少なレーベル体制において、強い基盤線を一貫して上回っている。 より広範に、我々の結果は、シンプルで解釈可能な推論の事前を統合することは、データ効率のよい視覚言語理解への実践的で拡張可能な道筋をもたらすことを示唆している。

関連論文リスト

• Detect Anything via Next Point Prediction [51.55967987350882]
  Rex-Omniは最先端の物体認識性能を実現する3BスケールのMLLMである。 COCOやLVISのようなベンチマークでは、Rex-Omniは回帰ベースのモデルに匹敵するパフォーマンスを得る。
  論文  参考訳（メタデータ） (2025-10-14T17:59:54Z)
• Robust and Label-Efficient Deep Waste Detection [29.019461511410515]
  効率的な廃棄物のソートは持続可能なリサイクルには不可欠だが、この領域でのAI研究は商用システムに遅れを取っている。 本研究では,強力なベースラインを確立し,アンサンブルに基づく半教師付き学習フレームワークを導入することにより,AI駆動型廃棄物検出を推し進める。
  論文  参考訳（メタデータ） (2025-08-26T08:34:04Z)
• Few-Shot Vision-Language Reasoning for Satellite Imagery via Verifiable Rewards [7.14978158285611]
  衛星画像に対する検証可能な報酬(RLVR)フレームワークを用いた最初の数発の強化学習を提案する。 我々は、衛星推論タスクのモデル出力の整合化のために、ポリシー段階の最適化を1つのキュレートされた例で導入する。 何千もの注釈付きサンプルで訓練されたモデルに一致または超える128のサンプルにスケールする。
  論文  参考訳（メタデータ） (2025-07-29T12:23:19Z)
• RoHOI: Robustness Benchmark for Human-Object Interaction Detection [84.78366452133514]
  ヒューマン・オブジェクト・インタラクション(HOI)検出は、コンテキスト認識支援を可能にするロボット・ヒューマン・アシストに不可欠である。 HOI検出のための最初のベンチマークを導入し、様々な課題下でモデルのレジリエンスを評価する。 我々のベンチマークであるRoHOIは、HICO-DETとV-COCOデータセットに基づく20の汚職タイプと、新しいロバストネスにフォーカスしたメトリクスを含んでいる。
  論文  参考訳（メタデータ） (2025-07-12T01:58:04Z)
• iEBAKER: Improved Remote Sensing Image-Text Retrieval Framework via Eliminate Before Align and Keyword Explicit Reasoning [80.44805667907612]
  iEBAKERは、弱い相関のサンプルペアをフィルタリングする革新的な戦略である。 SAR(Sort After Reversed Retrieval)戦略の代替として,SAR(Sort After Retrieval)戦略を導入する。 キーワード明示型推論(KER)モジュールを組み込んで、微妙なキー概念の区別による有益な影響を促進する。
  論文  参考訳（メタデータ） (2025-04-08T03:40:19Z)
• Anchor-free Oriented Proposal Generator for Object Detection [59.54125119453818]
  オブジェクト指向物体検出はリモートセンシング画像解釈において実用的で困難な課題である。 今日では、指向性検出器は主に水平方向の箱を中間体として使用し、それらから指向性のある箱を導出している。 本稿では,ネットワークアーキテクチャから水平ボックス関連操作を放棄する,AOPG(Anchor-free Oriented Proposal Generator)を提案する。
  論文  参考訳（メタデータ） (2021-10-05T10:45:51Z)

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。