論文の概要: Observation-Aligned Mask Priors for Learning Physical Dynamics from Authentic Occlusions

• arxiv url: http://arxiv.org/abs/2605.16818v1
• Date: Sat, 16 May 2026 05:23:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 23:51:08.339134
• Title: Observation-Aligned Mask Priors for Learning Physical Dynamics from Authentic Occlusions
• Title（参考訳）: 認証オクルージョンから物理力学を学習する観察適応マスク
• Authors: Chiyuan Ma, Zihan Zhou, Tianshu Yu,
• Abstract要約: 観測適応マスクプライオリティ(英: Observation-Aligned Mask Priors)は、観測マスクの分布を学習するフレームワークである。 この交叉に基づく分割は、すべての有効次元にクエリされる確率が厳密に正であることを示します。
• 参考スコア（独自算出の注目度）: 5.712248310668237
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Learning physical dynamics directly from incomplete observations is challenging because authentic occlusions are structured, sample-dependent, and often missing not at random, whereas existing methods typically rely on heuristic masking rules or predefined mask distributions. We propose Observation-Aligned Mask Priors, a framework that learns the distribution of authentic observation masks and uses it to construct context-query partitions for training from incomplete data. Specifically, we pretrain a Bayesian Flow Network (BFN) on binary observation masks to capture real occlusion topologies, then guide BFN sampling with a globally normalized cross-entropy objective to generate sample-specific masks aligned with each sparse observation. The intersection between the guided mask and the observed mask defines the context, and the remaining observed entries become query targets for a diffusion-based reconstruction model. We show that this intersection-based partitioning gives every valid observed dimension a strictly positive probability of being queried, preventing zero-query dead zones and local generative collapse. Experiments on three real-world oceanographic datasets with authentic satellite occlusions, across resolutions up to 256$\times$256, show consistent improvements over strong diffusion baselines in MSE and PSNR. These results demonstrate that learning mask priors from authentic occlusions is an effective alternative to heuristic masking for learning from incomplete physical observations without access to fully observed fields.
• Abstract（参考訳）: 不完全な観測から直接物理力学を学ぶことは、真の閉塞が構造化されており、サンプルに依存しており、しばしばランダムに欠落しないため困難である。 本研究では、観測マスクの分布を学習し、不完全なデータから学習するためのコンテキストクエリ分割を構築するためのフレームワークである、観測適応マスクプライオリティを提案する。 具体的には、二元観測マスク上にベイズ流ネットワーク(BFN)を事前訓練し、実オクルージョントポロジを捕捉し、BFNサンプリングをグローバルに正規化されたクロスエントロピー目的でガイドし、各スパース観測に合わせてサンプル特異的マスクを生成する。 ガイドマスクと観測マスクの交点はコンテキストを定義し、残りの項目は拡散に基づく再構成モデルのクエリターゲットとなる。 この交叉に基づく分割は、すべての有効観測次元に対して、クエリされる確率が厳密に正であることを示し、ゼロクエリのデッドゾーンや局所的な生成的崩壊を防止する。 256$\times$256の解像度で、MSEとPSNRの強い拡散ベースラインよりも一貫した改善が見られた。 以上の結果から, 正解前の学習マスクは, 完全に観察されたフィールドにアクセスできない不完全な物理的観察から学習するために, ヒューリスティックマスクの代替として有効であることが示唆された。

関連論文リスト

• Structure-Aware Masking for Protein Representation Learning [0.0]
  構造認識型マスキング手法であるBucket Maskingを導入する。 マスク分布を残留接触に条件付けすることで、Bucket Maskingは学習目標を長距離相互作用のモデル化へとシフトさせる。 下流の4つのタンパク質のフィットネス予測タスクで、Bucket Maskingは通常のランダムマスクよりも最大14%改善できる。
  論文  参考訳（メタデータ） (2026-05-15T19:36:54Z)
• DPM++: Dynamic Masked Metric Learning for Occluded Person Re-identification [32.9985650634494]
  DPM++は、排除された人物の再識別のための動的マスクドメトリックラーニングフレームワークである。 入力適応マスク付きメトリックを学習し、隠蔽されたインスタンスごとに信頼性の高いIDサブスペースを動的に選択する。 全体的なシナリオと排他的シナリオの両方において、従来の最先端の手法を一貫して上回ります。
  論文  参考訳（メタデータ） (2026-05-07T17:47:23Z)
• GenMask: Adapting DiT for Segmentation via Direct Mask Generation [81.54526445834294]
  間接的な適応の代わりに、セグメント化タスクは生成的な方法で直接訓練されるべきである、と我々は主張する。 分割のための極度のノイズレベルと画像生成のための中等度雑音を強調する二元マスクの時間ステップサンプリング戦略を導入する。 GenMaskは,RGB空間における色鮮やかな画像だけでなく,黒と白のセグメンテーションマスクを生成するためのDiTトレインである。
  論文  参考訳（メタデータ） (2026-03-25T03:52:05Z)
• LADMIM: Logical Anomaly Detection with Masked Image Modeling in Discrete Latent Space [0.0]
  マスク付き画像モデリングは、画像中のマスキング領域の特徴表現を予測する自己教師付き学習技術である。 本稿では,MIMの特性を利用して論理異常を効果的に検出する手法を提案する。 提案手法をMVTecLOCOデータセット上で評価し,平均AUC 0.867。
  論文  参考訳（メタデータ） (2024-10-14T07:50:56Z)
• Bridge the Points: Graph-based Few-shot Segment Anything Semantically [79.1519244940518]
  プレトレーニング技術の最近の進歩により、視覚基礎モデルの能力が向上した。 最近の研究はSAMをFew-shot Semantic segmentation (FSS)に拡張している。 本稿では,グラフ解析に基づく簡易かつ効果的な手法を提案する。
  論文  参考訳（メタデータ） (2024-10-09T15:02:28Z)
• Prediction with Incomplete Data under Agnostic Mask Distribution Shift [35.86200694774949]
  分布シフトが存在する場合,不完全なデータによる予測について検討する。 我々は各マスクに対して、不変な最適予測器が存在するという観測を活用している。 本稿では,StableMissと呼ばれる新しい予測手法を提案する。
  論文  参考訳（メタデータ） (2023-05-18T14:06:06Z)
• RARE: Robust Masked Graph Autoencoder [45.485891794905946]
  Masked graph autoencoder (MGAE) は、有望な自己教師付きグラフ事前学習(SGP)パラダイムとして登場した。 本稿では,ロバストmAsked gRaph autoEncoder (RARE) と呼ばれる新しいSGP手法を提案する。
  論文  参考訳（メタデータ） (2023-04-04T03:35:29Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• Improving Self-supervised Pre-training via a Fully-Explored Masked Language Model [57.77981008219654]
  Masked Language Model (MLM)フレームワークは、自己教師型言語事前学習に広く採用されている。 そこで本研究では,テキストシーケンスを複数の非重複セグメントに分割するマスキング手法を提案する。
  論文  参考訳（メタデータ） (2020-10-12T21:28:14Z)

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。