Fugu-MT 論文翻訳(概要): DiffuSAM: Diffusion Guided Zero-Shot Object Grounding for Remote Sensing Imagery

論文の概要: DiffuSAM: Diffusion Guided Zero-Shot Object Grounding for Remote Sensing Imagery

arxiv url: http://arxiv.org/abs/2604.18201v1
Date: Mon, 20 Apr 2026 12:50:26 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-21 21:52:52.874268
Title: DiffuSAM: Diffusion Guided Zero-Shot Object Grounding for Remote Sensing Imagery
Title（参考訳）: DiffuSAM:Diffusion Guided Zero-Shot Object Grounding for Remote Sensing Imagery
Abstract要約: 拡散に基づく局所化キューと最先端セグメンテーションモデルを統合するハイブリッドパイプラインを提案する。実験の結果、パイプラインはローカライズ性能を著しく改善し、Acc@0.5の14%以上向上した。
参考スコア（独自算出の注目度）: 0.15223740593989443
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Diffusion models have emerged as powerful tools for a wide range of vision tasks, including text-guided image generation and editing. In this work, we explore their potential for object grounding in remote sensing imagery. We propose a hybrid pipeline that integrates diffusion-based localization cues with state-of-the-art segmentation models such as RemoteSAM and SAM3 to obtain more accurate bounding boxes. By leveraging the complementary strengths of generative diffusion models and foundational segmentation models, our approach enables robust and adaptive object localization across complex scenes. Experiments demonstrate that our pipeline significantly improves localization performance, achieving over a 14% increase in Acc@0.5 compared to existing state-of-the-art methods.
Abstract（参考訳）: 拡散モデルは、テキスト誘導画像生成や編集など、幅広い視覚タスクのための強力なツールとして登場した。本研究では,リモートセンシング画像における物体接地の可能性について検討する。本研究では,拡散に基づく局所化キューとRemoteSAMやSAM3といった最先端セグメンテーションモデルを統合し,より正確なバウンディングボックスを得るハイブリッドパイプラインを提案する。生成拡散モデルと基本セグメンテーションモデルの相補的強みを活用することにより,複雑な場面にまたがるロバストかつ適応的なオブジェクトローカライゼーションを実現する。実験の結果,従来の最先端手法に比べてAcc@0.5が14%以上向上していることがわかった。

関連論文リスト

Improving Visual Grounding in Remote Sensing via Cluster-Guided Refinement and Model Ensemble Voting [0.16332728502735253]
ビジュアルグラウンドティングは、自然言語記述に対応する画像領域を見つけることを目的としている。リモートセンシング画像では、複雑なシーン、小さな物体、大規模な変動のためにグラウンド化が特に難しい。本研究では,リモートセンシングに特化した視覚的グラウンド化モデルであるRemoteSAMと,強力な汎用セグメンテーションモデルであるSAM3の相補的な強みを組み合わせた2つのグラウンド化パイプラインを提案する。
論文参考訳（メタデータ） (2026-05-30T06:13:42Z)
Image Diffusion Models Exhibit Emergent Temporal Propagation in Videos [13.824335238443334]
DRIFTは、SAM誘導マスクリファインメントを用いた事前学習画像拡散モデルを利用したビデオにおける物体追跡のためのフレームワークである。実験時間最適化戦略-DDIMインバージョン、テキストインバージョン、適応頭部重み付け適応拡散機能の有効性を、頑健で一貫したラベル伝搬のために示す。これらの知見に基づいて,SAM誘導マスクによる画像拡散モデルを利用したビデオにおける物体追跡のためのフレームワークであるDRIFTを紹介する。
論文参考訳（メタデータ） (2025-11-25T05:21:23Z)
Edit2Perceive: Image Editing Diffusion Models Are Strong Dense Perceivers [55.15722080205737]
Edit2Perceiveは、深度、正規度、マッティングの編集モデルを適応させる統合拡散フレームワークである。私たちの単一ステップの決定論的推論は、比較的小さなデータセットでトレーニングしながら、より高速なランタイムをもたらす。
論文参考訳（メタデータ） (2025-11-24T01:13:51Z)
ReCon: Region-Controllable Data Augmentation with Rectification and Alignment for Object Detection [16.835087042512022]
生成モデルは、所望の分布に従属するサンプルを合成することによって、データ拡張のための強力なツールとして登場した。 ReConは、オブジェクト検出のための構造制御可能な生成モデルの能力を高める新しい拡張フレームワークである。
論文参考訳（メタデータ） (2025-10-17T16:06:06Z)
Object Fidelity Diffusion for Remote Sensing Image Generation [7.171597875550511]
本稿では,リモートセンシングにおけるオブジェクトの精度と忠実度を高めるために,オブジェクトの忠実度拡散(OF-Diff)を提案する。我々は、リモートセンシングにおける拡散モデルのためのレイアウトに基づいて、オブジェクトの以前の形状を初めて抽出する。また、DDPOを導入して拡散過程を微調整し、生成したリモートセンシング画像をより多様でセマンティックに一貫性を持たせる。
論文参考訳（メタデータ） (2025-08-14T16:24:11Z)
InstaRevive: One-Step Image Enhancement via Dynamic Score Matching [66.97989469865828]
InstaReviveは、強力な生成能力を活用するためにスコアベースの拡散蒸留を利用する画像強調フレームワークである。私たちのフレームワークは、さまざまな課題やデータセットにまたがって、高品質で視覚的に魅力的な結果を提供します。
論文参考訳（メタデータ） (2025-04-22T01:19:53Z)
Merging and Splitting Diffusion Paths for Semantically Coherent Panoramas [33.334956022229846]
本稿では,Merge-Attend-Diffuse演算子を提案する。具体的には、拡散経路をマージし、自己および横断的意図をプログラムし、集約された潜在空間で操作する。提案手法は,生成した画像の入力プロンプトと視覚的品質との整合性を維持しつつ,セマンティック・コヒーレンスを増大させる。
論文参考訳（メタデータ） (2024-08-28T09:22:32Z)
Multi-view Aggregation Network for Dichotomous Image Segmentation [76.75904424539543]
Dichotomous Image (DIS) は近年,高解像度自然画像からの高精度物体分割に向けて出現している。既存の手法は、グローバルなローカライゼーションと局所的な洗練を徐々に完了させるために、退屈な複数のエンコーダ・デコーダストリームとステージに依存している。これに触発されて、我々は多視点オブジェクト認識問題としてdisをモデル化し、擬似多視点アグリゲーションネットワーク(MVANet)を提供する。一般的なdis-5Kデータセットの実験では、我々のMVANetは精度と速度の両方で最先端の手法を大きく上回っている。
論文参考訳（メタデータ） (2024-04-11T03:00:00Z)
DragDiffusion: Harnessing Diffusion Models for Interactive Point-based Image Editing [94.24479528298252]
DragGANは、ピクセルレベルの精度で印象的な編集結果を実現する、インタラクティブなポイントベースの画像編集フレームワークである。大規模な事前学習拡散モデルを利用することで、実画像と拡散画像の両方における対話的点ベース編集の適用性を大幅に向上する。本稿では,対話的点ベース画像編集手法の性能を評価するため,DragBenchというベンチマークデータセットを提案する。
論文参考訳（メタデータ） (2023-06-26T06:04:09Z)
Hierarchical Integration Diffusion Model for Realistic Image Deblurring [71.76410266003917]
拡散モデル (DM) は画像劣化に導入され, 有望な性能を示した。本稿では,階層型統合拡散モデル(HI-Diff)を提案する。人工的および実世界のぼかしデータセットの実験は、HI-Diffが最先端の手法より優れていることを示した。
論文参考訳（メタデータ） (2023-05-22T12:18:20Z)
AdaZoom: Adaptive Zoom Network for Multi-Scale Object Detection in Large Scenes [57.969186815591186]
大規模なシーンの検出は、小さなオブジェクトと極端なスケールの変動のために難しい問題である。本稿では,物体検出のための焦点領域を適応的に拡大するために,フレキシブルな形状と焦点長を有する選択的拡大器として,新しい適応型Zoom(AdaZoom)ネットワークを提案する。
論文参考訳（メタデータ） (2021-06-19T03:30:22Z)

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。