論文の概要: Determined by User Needs: A Salient Object Detection Rationale Beyond Conventional Visual Stimuli
- arxiv url: http://arxiv.org/abs/2604.03526v1
- Date: Sat, 04 Apr 2026 00:10:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-07 15:49:18.623588
- Title: Determined by User Needs: A Salient Object Detection Rationale Beyond Conventional Visual Stimuli
- Title（参考訳）: ユーザニーズによって決定される: 従来の視覚刺激を超えた有能なオブジェクト検出規則
- Abstract要約: 既存のテキスト通過的視覚刺激に基づく合理性-最強の視覚刺激を持つ物体は、利用者の第一の焦点(例えば、有能な物体)として知覚される
ユーザーは画像を見る前に必要があれば、その利用者の健全なオブジェクトは、例えば、ユーザーの要求が白いリンゴである場合など、彼らのニーズと整合する。」
このような監視は、ユーザーを満足させるために、textbffails だけでなく、
- 参考スコア（独自算出の注目度）: 42.740761401166985
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing \textbf{s}alient \textbf{o}bject \textbf{d}etection (SOD) methods adopt a \textbf{passive} visual stimulus-based rationale--objects with the strongest visual stimuli are perceived as the user's primary focus (i.e., salient objects). They ignore the decisive role of users' \textbf{proactive needs} in segmenting salient objects--if a user has a need before seeing an image, the user's salient objects align with their needs, e.g., if a user's need is ``white apple'', when this user sees an image, the user's primary focus is on the ``white apple'' or ``the most white apple-like'' objects in the image. Such an oversight not only \textbf{fails to satisfy users}, but also \textbf{limits the development of downstream tasks}. For instance, in salient object ranking tasks, focusing solely on visual stimuli-based salient objects is insufficient for conducting an analysis of fine-grained relationships between users' viewing order (usually determined by user's needs) and scenes, which may result in wrong ranking results. Clearly, it is essential to detect salient objects based on user needs. Thus, we advocate a \textbf{User} \textbf{S}alient \textbf{O}bject \textbf{D}etection (UserSOD) task, which focuses on \textbf{detecting salient objects align with users' proactive needs when user have needs}. The main challenge for this new task is the lack of datasets for model training and testing.
- Abstract（参考訳）: 既存の \textbf{s}alient \textbf{o}bject \textbf{d}etection (SOD) メソッドでは、最強の視覚刺激に基づく有理値がユーザの第一の焦点(例えば、サルエントオブジェクト)として認識されている。それらは、サルエントオブジェクトのセグメンテーションにおけるユーザの決定的な役割を無視している。
このような監視は、ユーザを満たすために \textbf{fails} だけでなく、下流タスクの開発を \textbf{limits する。
例えば、有能なオブジェクトランキングタスクでは、視覚刺激に基づく有能なオブジェクトにのみ焦点を合わせることは、ユーザの視聴順序(通常、ユーザのニーズによって決定される)とシーンのきめ細かい関係を解析するには不十分であり、その結果、誤ったランキング結果をもたらす可能性がある。
明らかに、ユーザのニーズに基づいて、健全なオブジェクトを検出することが不可欠である。
そこで,本稿では,ユーザのニーズが満たされた場合に,ユーザの積極的ニーズに一致した有意なオブジェクトを対象とする,textbf{User} \textbf{S}alient \textbf{O}bject \textbf{D}etection (UserSOD)タスクを提唱する。
この新しいタスクの主な課題は、モデルトレーニングとテストのためのデータセットの欠如である。
関連論文リスト
- Revisiting Human-in-the-Loop Object Retrieval with Pre-Trained Vision Transformers [1.8631279231581521]
Human-in-the-Loop Object Retrievalは、関心のクラスのオブジェクトを含むイメージを反復的に検索するタスクである。
トレーニング済みのViT表現を活用し、重要な設計問題に対処することで、タスクを再考する。
論文 参考訳（メタデータ） (2026-04-01T12:18:17Z) - Revisiting Salient Object Detection from an Observer-Centric Perspective [48.99721284788945]
そこで我々は,視覚的手がかりだけでなく,その嗜好や意図など,観察者固有の要因を考慮し,有意な領域を予測できるオブザーバ中心の有意物体検出(OC-SOD)を提案する。
結果として、この定式化は本質的なあいまいさと人間の知覚の多様性を捉え、パーソナライズされ、文脈に合ったサリエンシの予測を可能にする。
論文 参考訳（メタデータ） (2026-02-06T03:53:01Z) - Object-level Correlation for Few-Shot Segmentation [37.247888341920984]
Few-shot semantic segmentation (FSS) は、いくつかのアノテーション付きサポートサンプルが与えられたクエリイメージにおいて、新しいカテゴリのオブジェクトをセグメントすることを目的としている。
本稿では,対象オブジェクトと問い合わせ対象オブジェクトのオブジェクトレベルの相関性を確立することによって,オブジェクトレベルの相関ネットワーク(OCNet)を提案する。
生成されたオブジェクトレベルの相関は、クエリターゲット特徴をマイニングし、最終的な予測のためにハードピクセルノイズを抑制することができる。
論文 参考訳（メタデータ） (2025-09-09T16:58:28Z) - Interact-Custom: Customized Human Object Interaction Image Generation [55.8752300907835]
既存のアプローチは、ターゲットエンティティ間のきめ細かい相互作用制御を無視しながら、ターゲットエンティティの外観保存に重点を置いている。
本稿では,対象物に対する個人認証とインタラクションの意味制御を同時に行う,カスタマイズされたヒューマンオブジェクトインタラクション画像生成の課題を提案する。
1)人間オブジェクトを自己完結したアイデンティティ特徴とポーズ指向のインタラクション特徴に分解する必要があるが、現在のHOI画像データセットはそのような特徴分解学習に理想的なサンプルを提供していない。
論文 参考訳（メタデータ） (2025-08-27T05:15:16Z) - QueryCraft: Transformer-Guided Query Initialization for Enhanced Human-Object Interaction Detection [7.030364980618468]
本稿では,セマンティックな事前情報と特徴学習を組み込んだ新しいプラグアンドプレイHOI検出フレームワークを提案する。
本手法はHICO-DetおよびV-COCOベンチマーク上での最先端性能と強力な一般化を実現する。
論文 参考訳（メタデータ） (2025-08-12T03:11:16Z) - ObjectFinder: An Open-Vocabulary Assistive System for Interactive Object Search by Blind People [42.050924675417654]
視覚障害者による対話型オブジェクト検索のためのオープン語彙ウェアラブルシステムであるObjectFinderを提案する。
ObjectFinderでは、フレキシブルなワードでターゲットオブジェクトをクエリできる。
距離や方向を含む、エゴセントリックなローカライゼーション情報をリアルタイムで提供する。
論文 参考訳（メタデータ） (2024-12-04T08:38:45Z) - ObjectRelator: Enabling Cross-View Object Relation Understanding Across Ego-Centric and Exo-Centric Perspectives [109.11714588441511]
Ego-Exoオブジェクト対応タスクは,セグメンテーションを通じて,ego-Exoパースペクティブ間のオブジェクト関係を理解することを目的としている。
最近提案されたセグメンテーション手法であるPSALMは、このタスクでデモされたゼロショット能力を例外として挙げている。
我々は、マルチモーダルコンディションフュージョンとSSLベースのクロスビューオブジェクトアライメントという、2つの重要なモジュールを特徴とする新しいアプローチであるObjectRelatorを提案する。
論文 参考訳（メタデータ） (2024-11-28T12:01:03Z) - In Defense of Lazy Visual Grounding for Open-Vocabulary Semantic Segmentation [50.79940712523551]
我々は,非教師対象マスク発見の2段階的アプローチである遅延視覚接地を行い,それに続いて物体接地を行う。
私たちのモデルは、追加のトレーニングは必要ありませんが、5つの公開データセットで優れたパフォーマンスを示します。
論文 参考訳（メタデータ） (2024-08-09T09:28:35Z) - Vision Transformer with Sparse Scan Prior [24.78780746169092]
textbfSparse textbfScan textbfSelf-textbfAttention mechanism(rmS3rmA$)を提案する。
このメカニズムはトークンごとに一連のAnchor of Interestをプリ定義し、局所的な注意を使ってこれらのアンカー周辺の空間情報を効率的にモデル化する。
rmS3rmA$で構築すると、 textbfSparse textbfScan textbfVisionを導入します。
論文 参考訳（メタデータ） (2024-05-22T04:34:36Z) - Find What You Want: Learning Demand-conditioned Object Attribute Space
for Demand-driven Navigation [5.106884746419666]
視覚オブジェクトナビゲーション(VON)のタスクは、特定のシーン内で特定のオブジェクトを特定できるエージェントの能力を含む。
現実のシナリオでは、これらの条件が常に満たされることを保証することはしばしば困難である。
本稿では,ユーザの要求をタスク命令として活用する,需要駆動ナビゲーション(DDN)を提案する。
論文 参考訳（メタデータ） (2023-09-15T04:07:57Z) - Object-Centric Multiple Object Tracking [124.30650395969126]
本稿では,多目的追跡パイプラインのためのビデオオブジェクト中心モデルを提案する。
オブジェクト中心のスロットを検出出力に適応するインデックスマージモジュールと、オブジェクトメモリモジュールで構成される。
オブジェクト中心学習に特化して、オブジェクトのローカライゼーションと機能バインディングのためのスパース検出ラベルしか必要としない。
論文 参考訳（メタデータ） (2023-09-01T03:34:12Z) - Salient Object Detection for Images Taken by People With Vision
Impairments [13.157939981657886]
本稿では、視覚障害者が撮影した画像を用いた、新しい有能な物体検出データセットを提案する。
VizWiz-SalientObjectは最大(つまり32,000個の人称注釈付き画像)で、ユニークな特徴を持っている。
我々は、我々のデータセットで7つの現代的な正当性オブジェクト検出方法のベンチマークを行い、それらが大きな画像、より複雑な境界、テキストの欠如に最も苦労していることを発見した。
論文 参考訳（メタデータ） (2023-01-12T22:33:01Z) - Learning Object Detection from Captions via Textual Scene Attributes [70.90708863394902]
キャプションには、オブジェクトの属性やそれらの関係など、画像に関するよりリッチな情報が含まれている、と我々は主張する。
本稿では,この「テキストシーングラフ」の属性を用いて物体検知器を訓練する手法を提案する。
得られたモデルが、いくつかの挑戦的なオブジェクト検出データセットに対して、最先端の結果を達成することを実証的に実証した。
論文 参考訳（メタデータ） (2020-09-30T10:59:20Z) - ORD: Object Relationship Discovery for Visual Dialogue Generation [60.471670447176656]
視覚対話生成のためのオブジェクトインタラクションを保存するためのオブジェクト関係探索(ORD)フレームワークを提案する。
階層的なグラフ畳み込みネットワーク (HierGCN) が提案され、オブジェクトノードと近傍の関係を局所的に保持し、オブジェクトとオブジェクトの接続をグローバルに洗練する。
実験により,視覚的関係の文脈情報を活用することにより,対話の質を大幅に向上できることが示された。
論文 参考訳（メタデータ） (2020-06-15T12:25:40Z) - A Deep Learning Approach to Object Affordance Segmentation [31.221897360610114]
我々は,ビデオと静的画像の両方において,画素単位の価格ラベルを推定するオートエンコーダを設計する。
本モデルは,ソフトアテンション機構を用いて,オブジェクトラベルやバウンディングボックスの必要性を克服する。
本モデルは,SOR3D-AFF上での強い教師付き手法と比較して,競争力のある結果が得られることを示す。
論文 参考訳（メタデータ） (2020-04-18T15:34:41Z) - SaccadeNet: A Fast and Accurate Object Detector [76.36741299193568]
我々はtextitSaccadeNet と呼ばれる高速かつ高精度なオブジェクト検出器を提案する。
セナム、コラム、atm、アガットの4つの主要なモジュールが含まれており、異なる情報的オブジェクトキーポイントへの参加を可能にする。
SaccadeNetは、25FPS以上の高速動作が可能なリアルタイムオブジェクト検出装置の中で、最高の検出性能を実現しています。
論文 参考訳（メタデータ） (2020-03-26T19:47:17Z)
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。