論文の概要: Detecting Media Clones in Cultural Repositories Using a Positive Unlabeled Learning Approach

• arxiv url: http://arxiv.org/abs/2604.04071v1
• Date: Sun, 05 Apr 2026 11:41:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.902878
• Title: Detecting Media Clones in Cultural Repositories Using a Positive Unlabeled Learning Approach
• Title（参考訳）: 正の未ラベル学習アプローチによる文化リポジトリのメディアクローンの検出
• Authors: V. Sevetlidis, V. Arampatzakis, M. Karta, I. Mourthos, D. Tsiafaki, G. Pavlidis,
• Abstract要約: 我々は,AtticPOTレポジトリにおけるキュレーターとループの重複発見を,肯定的無ラベル(PU)学習問題として定式化する。 我々は、アンカーの強化ビューに基づいて軽量なクエリごとのクローンをトレーニングし、潜在lノルムの解釈可能なしきい値でラベル付けされていないリポジトリをスコア付けする。 本システムでは、事前確認されていないクロスレコード重複を明らかにするキュレーター検証の候補を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We formulate curator-in-the-loop duplicate discovery in the AtticPOT repository as a Positive-Unlabeled (PU) learning problem. Given a single anchor per artefact, we train a lightweight per-query Clone Encoder on augmented views of the anchor and score the unlabeled repository with an interpretable threshold on the latent l_2 norm. The system proposes candidates for curator verification, uncovering cross-record duplicates that were not verified a priori. On CIFAR-10 we obtain F1=96.37 (AUROC=97.97); on AtticPOT we reach F1=90.79 (AUROC=98.99), improving F1 by +7.70 points over the best baseline (SVDD) under the same lightweight backbone. Qualitative "find-similar" panels show stable neighbourhoods across viewpoint and condition. The method avoids explicit negatives, offers a transparent operating point, and fits de-duplication, record linkage, and curator-in-the-loop workflows.
• Abstract（参考訳）: 我々は,AtticPOTレポジトリにおけるキュレーターとループの重複発見を,肯定的無ラベル(PU)学習問題として定式化する。 アーティファクト毎にひとつのアンカーが与えられると、アンカーの増設ビューに対して軽量なクエリごとのクローンエンコーダをトレーニングし、潜在l_2ノルムの解釈可能なしきい値でラベル付けされていないレポジトリをスコア付けします。 本システムでは、事前確認されていないクロスレコード重複を明らかにするキュレーター検証の候補を提案する。 CIFAR-10では、F1=96.37 (AUROC=97.97)、AtticPOTではF1=90.79 (AUROC=98.99)、F1をベストベースライン(SVDD)で+7.70ポイント改善する。 質的な「フィン・シミュラー」パネルは、視点と状況にまたがって安定した近傍を示す。 このメソッドは明示的な否定を回避し、透明な操作ポイントを提供し、重複解消、レコードリンク、ループ内のキュレーターワークフローに適合する。

関連論文リスト

• CARE What Fails: Contrastive Anchored-REflection for Verifiable Multimodal [84.71254539482369]
  検証可能な報酬を伴うグループ相対的強化学習(RLVR)は、しばしば、すでに失敗している最も情報に富むデータを浪費する。 エラーを監督するマルチモーダル推論のための,障害中心のポストトレーニングフレームワークであるCAREを提案する。 CAREは正確さを改善し、スムーズさをトレーニングすると同時に、障害からの学習信号のシェアを明示的に増やします。
  論文  参考訳（メタデータ） (2025-12-22T16:34:21Z)
• StutterFuse: Mitigating Modality Collapse in Stuttering Detection with Jaccard-Weighted Metric Learning and Gated Fusion [0.40105987447353786]
  散乱検出は、拡散が重なると故障する。 既存のパラメトリックモデルは、複雑で同時的な分散を区別するのに苦労する。 マルチラベル検出のための最初のレトリーバル拡張一般化(RAC)であるStutterFuseを紹介する。
  論文  参考訳（メタデータ） (2025-12-15T18:28:39Z)
• OvA-LP: A Simple and Efficient Framework for Federated Learning on Non-IID Data [3.2207230906189945]
  OvA-LPはPEFTベースのFFTパラダイム内でのドリフトを抑制するように設計されている。 100のクライアントを持つCIFAR-100では、OvA-LPはIID精度の95.9%を維持し、最先端のFFTベースラインは10.1%(PFPT)と34.5%(FFT-MoE)しか保持していない。
  論文  参考訳（メタデータ） (2025-11-07T07:00:20Z)
• Group Evidence Matters: Tiling-based Semantic Gating for Dense Object Detection [0.0]
  本稿では,重畳誘起冗長性をグループエビデンスに変換する検出器非依存のポストプロセッシングフレームワークを提案する。 このフレームワークは再訓練を必要とせず、現代の検出器と統合する。
  論文  参考訳（メタデータ） (2025-09-13T01:55:08Z)
• CLIPure: Purification in Latent Space via CLIP for Adversarially Robust Zero-Shot Classification [65.46685389276443]
  画像とテキストプロンプトをマッチングすることでゼロショット分類を行うことができる、視覚言語で事前訓練されたエンコーダモデルであるCLIPについて検討する。 次に, 共分散精製プロセス間のKL分散として精製リスクを定式化する。 画像の潜伏ベクトルの確率をモデル化するCLI-Diffと、画像の埋め込みとaの写真とのコサイン類似度をモデル化するCLI-Cosの2つのバリエーションを提案する。
  論文  参考訳（メタデータ） (2025-02-25T13:09:34Z)
• Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
  新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。 拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
  論文  参考訳（メタデータ） (2024-05-01T12:03:39Z)
• Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
  半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析 本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。 我々の手法は、最先端の手法をクリアマージンで上回る。
  論文  参考訳（メタデータ） (2023-07-16T16:32:14Z)
• Neighbour Consistency Guided Pseudo-Label Refinement for Unsupervised Person Re-Identification [80.98291772215154]
  教師なしの人物再識別(ReID)は、アノテーションを使わずに人物検索のための識別的アイデンティティの特徴を学習することを目的としている。 近年の進歩はクラスタリングに基づく擬似ラベルを活用することで実現されている。 本稿では, Pseudo Label Refinement フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-30T09:39:57Z)

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。