論文の概要: The MixCount Dataset: Bridging the Data Gap for Open-Vocabulary Object Counting

• arxiv url: http://arxiv.org/abs/2605.18063v1
• Date: Mon, 18 May 2026 08:48:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:49.198608
• Title: The MixCount Dataset: Bridging the Data Gap for Open-Vocabulary Object Counting
• Title（参考訳）: MixCountデータセット:オープン語彙オブジェクトカウントのためのデータギャップのブリッジ
• Authors: Corentin Dumery, Niki Amini-Naieni, Shervin Naini, Pascal Fua,
• Abstract要約: 我々は、現在のカウントモデルにおける障害モードをターゲットにした混合対象カウントのためのデータセットとベンチマークを開発する。 このようなデータの構築とラベル付けの高コスト化を克服するため、画像、きめ細かいテキスト記述、ピクセル完全カウントアノテーションを大規模に合成する自動生成パイプラインを開発した。 FSC-147ではMAEを20.14%削減し、PairTallyでは18.3%削減した。
• 参考スコア（独自算出の注目度）: 32.54806275139433
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Object counting is a foundational vision task with over a decade of dedicated research, yet state-of-the-art models still fail systematically in the mixed-object setting that dominates real-world applications such as industrial inspection and product sorting. We show that this gap is strongly driven by limitations in existing training and evaluation data: real counting datasets are prohibitively expensive to annotate and suffer from labeling noise, while existing synthetic alternatives lack diversity and realism. We address this with MixCount, a dataset and benchmark for mixed-object counting designed to target the failure modes of current counting models. To overcome the high cost of constructing and labeling such data, we develop an automatic generation pipeline that synthesizes images, fine-grained textual descriptions, and pixel-perfect counting annotations at scale, eliminating the labeling ambiguity that plagues prior datasets. Evaluating state-of-the-art counting models on MixCount exposes severe degradation in the mixed-object setting. More importantly, training these models on our synthesized data yields substantial gains on real-world benchmarks, reducing MAE by 20.14% on FSC-147 and by 18.3% on PairTally. These results establish MixCount as both a benchmark and a training dataset for fine-grained counting, and demonstrate that our pipeline, which produces effectively unlimited labeled data, helps address a long-standing bottleneck in counting models.
• Abstract（参考訳）: オブジェクトカウントは10年以上にわたる専門的な研究による基本的なビジョンタスクであるが、最先端のモデルは、産業検査や製品ソートといった現実世界のアプリケーションを支配している混合オブジェクト設定において、体系的に失敗する。 このギャップは、既存のトレーニングと評価データの制限によって強く引き起こされている。実際のカウントデータセットは、アノテートやラベル付けに苦しむのに対して、既存の合成代替品には多様性とリアリズムが欠如している。 この問題に対処するMixCountは、現在のカウントモデルにおける障害モードをターゲットにした、混合オブジェクトカウントのためのデータセットとベンチマークである。 このようなデータの構築とラベル付けの高コスト化を克服するために、画像、きめ細かいテキスト記述、およびピクセル完全カウントアノテーションを大規模に合成する自動生成パイプラインを開発し、従来のデータセットを悩ませるラベル付けの曖昧さを解消する。 MixCount上での最先端カウントモデルの評価は、混合オブジェクト設定の深刻な劣化を露呈する。 さらに重要なことは、これらのモデルを合成データでトレーニングすることで、実世界のベンチマークで大幅に向上し、FSC-147ではMAEが20.14%減少し、PairTallyでは18.3%減少する。 これらの結果は、詳細なカウントのためのベンチマークとトレーニングデータセットの両方としてMixCountを確立し、効果的に無制限にラベル付きデータを生成するパイプラインが、モデルをカウントする上で長年のボトルネックに対処するのに役立つことを実証する。

関連論文リスト

• Count Anything at Any Granularity [55.70950689938894]
  KubriCountは、これまでで最大で、最も包括的な注釈付きカウントデータセットである。 テキストと視覚的特徴を相補的なターゲット仕様として併用する多粒カウントモデルを訓練する。 HieraCountは、マルチグラデーションカウントの精度を大幅に改善し、現実のシナリオに対して堅牢に一般化する。
  論文  参考訳（メタデータ） (2026-05-11T17:32:37Z)
• SITUATE -- Synthetic Object Counting Dataset for VLM training [0.0]
  本稿では,視覚言語モデルの訓練と評価を目的とした新しいデータセットであるSITUATEを提案する。 このデータセットは、VLMCountBenchのような単純な2Dデータセットと、TallyQAのようなあいまいな実生活データセットとのギャップを埋める。
  論文  参考訳（メタデータ） (2026-01-26T16:17:53Z)
• Bounding Box-Guided Diffusion for Synthesizing Industrial Images and Segmentation Map [50.21082069320818]
  最小限の監督で高忠実度産業データセットを生成するための拡散型パイプラインを提案する。 提案手法では, 拡張有界箱表現の拡散モデルを用いて, 正確なセグメンテーションマスクを生成する。 その結果、拡散に基づく合成は、人工的な産業データと実世界の産業データとのギャップを埋めることを示した。
  論文  参考訳（メタデータ） (2025-05-06T15:21:36Z)
• Just Say the Word: Annotation-Free Fine-Grained Object Counting [22.31750687552324]
  細粒度オブジェクトカウントは、クラスに依存しないカウントモデルにとって依然として大きな課題である。 カテゴリ名を与えられた場合、合成画像と擬似ラベルを用いてプロンプトからコンパクトな概念を組み込む。 この埋め込み条件は、凍結したカウンタからの生のオーバーカウントを正確にカテゴリー別推定に洗練する特殊化モジュールである。
  論文  参考訳（メタデータ） (2025-04-16T02:05:47Z)
• Mitigating Noisy Supervision Using Synthetic Samples with Soft Labels [13.314778587751588]
  ノイズラベルは、特にクラウドソーシングやWeb検索から派生した大規模データセットにおいて、現実世界のデータセットにおいてユビキタスである。 トレーニング中にノイズの多いラベルを過度に適合させる傾向にあるため、ノイズの多いデータセットでディープニューラルネットワークをトレーニングすることは難しい。 ノイズラベルの影響を軽減するために,新しい合成サンプルを用いてモデルを訓練するフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-22T04:49:39Z)
• Masked Language Modeling Becomes Conditional Density Estimation for Tabular Data Synthesis [0.74454067778951]
  Masked Modeling (MLM) の連続的多クラス分類タスクをヒストグラムに基づく条件密度推定として再定義し,MaCoDEを提案する。 目的変数と条件変数の任意の組み合わせで条件密度を推定できる。 提案モデルの有効性を検証するため,10個の実世界のデータセットにまたがる合成データ生成の性能を評価する。
  論文  参考訳（メタデータ） (2024-05-31T03:26:42Z)
• Learning Defect Prediction from Unrealistic Data [57.53586547895278]
  事前訓練されたコードのモデルは、コード理解と生成タスクに人気がある。 このようなモデルは大きい傾向があり、訓練データの総量を必要とする。 人工的に注入されたバグのある関数など、はるかに大きくてもより現実的なデータセットを持つモデルをトレーニングすることが一般的になった。 このようなデータで訓練されたモデルは、実際のプログラムでは性能が劣りながら、同様のデータでのみうまく機能する傾向にある。
  論文  参考訳（メタデータ） (2023-11-02T01:51:43Z)
• MSeg: A Composite Dataset for Multi-domain Semantic Segmentation [100.17755160696939]
  セマンティックセグメンテーションデータセットを異なるドメインから統合する合成データセットであるMSegを提案する。 一般化と画素レベルのアノテーションのアライメントを調整し,2万枚以上のオブジェクトマスクを8万枚以上の画像で再現する。 MSegでトレーニングされたモデルは、WildDash-v1のリーダーボードで、トレーニング中にWildDashのデータに触れることなく、堅牢なセマンティックセグメンテーションのためにランク付けされている。
  論文  参考訳（メタデータ） (2021-12-27T16:16:35Z)
• Learning to Count in the Crowd from Limited Labeled Data [109.2954525909007]
  我々は,限られた数のラベル付きサンプルから参加者を数えることを学ぶことで,アノテーションの努力を減らすことに重点を置いている。 具体的には,未ラベルデータに対する擬似地下真理推定を含むガウス過程に基づく反復学習機構を提案する。
  論文  参考訳（メタデータ） (2020-07-07T04:17:01Z)

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。