論文の概要: Semi-LAR: Semi-supervised Contrastive Learning with Linear Attention for Removal of Nighttime Flares

• arxiv url: http://arxiv.org/abs/2605.18156v1
• Date: Mon, 18 May 2026 10:02:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:49.299481
• Title: Semi-LAR: Semi-supervised Contrastive Learning with Linear Attention for Removal of Nighttime Flares
• Title（参考訳）: Semi-LAR: 夜間フレア除去のための線形注意による半教師付きコントラスト学習
• Authors: Xiyu Zhu, Wei Wang, Kui Jiang, Zhengguo Li,
• Abstract要約: ラベルのない画像から安定した学習を可能にする半教師付きフレア除去フレームワークを提案する。 疑似監督を段階的に洗練する適応型擬似ラベルレポジトリを提案する。 また、フレア汚染された入力を負として明示的に扱うフレア対応コントラスト損失を提案する。
• 参考スコア（独自算出の注目度）: 43.875783552220305
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Lens flare removal is challenging due to the large spatial extent of flare artifacts and their entanglement with scene structures, while existing methods heavily rely on large-scale paired data. We propose a semi-supervised flare removal framework that enables stable learning from unlabeled images by jointly addressing pseudo-label reliability and representation discrimination. We propose an adaptive pseudo-label repository that progressively refines pseudo supervision through no-reference quality assessment, momentum-based updates, and invalid label filtering, effectively mitigating error accumulation. Moreover, we propose a flare-aware contrastive loss that explicitly treats flare-contaminated inputs as negatives and performs patch-level contrastive learning, encouraging representations that are discriminative against flare patterns while remaining consistent with reliable pseudo targets. Extensive experiments on multiple flare benchmarks demonstrate that the proposed framework is model-agnostic and consistently improves performance and robustness.
• Abstract（参考訳）: レンズフレア除去は、フレアアーティファクトの大きな空間的範囲とシーン構造との絡み合いにより困難である。 擬似ラベルの信頼性と表現識別を両立させることで、ラベルなし画像からの安定した学習を可能にする半教師付きフレア除去フレームワークを提案する。 本研究では,非参照品質評価,モーメントベースの更新,無効ラベルフィルタリングによる疑似監視を段階的に改善し,エラー蓄積を効果的に軽減する適応型擬似ラベルレポジトリを提案する。 さらに、フレア汚染された入力を負として明示的に扱い、パッチレベルのコントラスト学習を行い、信頼された疑似目標に整合しながら、フレアパターンと識別可能な表現を奨励するフレア認識コントラスト損失を提案する。 複数のフレアベンチマークでの大規模な実験により、提案するフレームワークはモデルに依存しず、一貫して性能と堅牢性を改善することが示されている。

関連論文リスト

• Provable Sparse Inversion and Token Relabel Enhanced One-shot Federated Learning with ViTs [77.42033827176806]
  ワンショットフェデレートラーニング(One-Shot Federated Learning)は、単一のコミュニケーションラウンドでグローバルモデルを学ぶ中央サーバが、有望なパラダイムとして登場したものだ。 本稿では,合成画像の全パッチをフル活用してグローバルモデルをトレーニングする,新しいフェデレーションモデルインバージョンとトークンリラベルフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-11T15:49:08Z)
• Adversarial Evasion in Non-Stationary Malware Detection: Minimizing Drift Signals through Similarity-Constrained Perturbations [4.8475753151256695]
  攻撃者は同時に分類を回避し、ドリフト監視機構に注意を払わない敵のマルウェアサンプルを生成できるのか? 本稿では,高度な類似性正規化器を付加した,分類器の標準特徴空間における逆例を生成する新しい手法を提案する。 我々は、摂動予算が、より高い攻撃成功率とより実質的なドリフト指標で、回避トレードオフに大きな影響を与えることを観察する。
  論文  参考訳（メタデータ） (2026-04-23T06:03:50Z)
• Dual-Stage Invariant Continual Learning under Extreme Visual Sparsity [8.16821029459195]
  背景駆動の勾配は、連続的なドメインシフトの間、機能のバックボーンを不安定にすることを示す。 連成蒸留による二段階不変連続学習フレームワークを提案する。 高分解能空間ベース RSO 検出データセットの実験は、確立された連続物体検出法よりも一貫した改善を示す。
  論文  参考訳（メタデータ） (2026-03-27T09:03:49Z)
• LLM-Assisted Semantic Guidance for Sparsely Annotated Remote Sensing Object Detection [25.9348571356454]
  リモートセンシングオブジェクト検出のためのLLM支援セマンティックガイダンスフレームワーク Dense Pseudo-Label Assignmentメカニズムは、ラベルなしデータと疎ラベル付きデータの両方に擬似ラベルを適応的に割り当てる。 Adaptive Hard-Negative Reweighting Module による教師付き学習領域の安定化
  論文  参考訳（メタデータ） (2025-09-21T08:05:43Z)
• Contrastive Self-Supervised Network Intrusion Detection using Augmented Negative Pairs [0.8749675983608171]
  本研究は,拡張負対 (Augmented Negative pairs, CLAN) を用いたコントラスト学習を導入する。 CLANはネットワーク侵入検知のための新しいパラダイムであり、拡張されたサンプルを負のビューとして扱う。 このアプローチは、良性交通に対する事前訓練後の分類精度と推論効率を両立させる。
  論文  参考訳（メタデータ） (2025-09-08T11:04:10Z)
• Rethinking Contrastive Learning in Graph Anomaly Detection: A Clean-View Perspective [54.605073936695575]
  グラフ異常検出は、Webセキュリティやファイナンシャル不正検出などの分野で広く応用されているグラフベースのデータにおいて、異常なパターンを特定することを目的としている。 既存の手法は対照的な学習に依存しており、ノードとその局所部分グラフの間のより低い類似性は異常を示すと仮定する。 干渉エッジの存在は、対照的な学習過程を損なう破壊的なノイズをもたらすため、この仮定を無効にする。 コントラスト学習プロセスにおいて重要な干渉源を特定するために,複数スケールの異常認識モジュールを含むクリーンビュー拡張グラフ異常検出フレームワーク(CVGAD)を提案する。
  論文  参考訳（メタデータ） (2025-05-23T15:05:56Z)
• Pseudo-Label Guided Real-World Image De-weathering: A Learning Framework with Imperfect Supervision [57.5699142476311]
  非理想的な監視を伴う実世界のイメージデウェザリングのための統一的なソリューションを提案する。 本手法は,不完全整合型非整合性データセットのトレーニングにおいて,大きな利点を示す。
  論文  参考訳（メタデータ） (2025-04-14T07:24:03Z)
• Consistency-aware Self-Training for Iterative-based Stereo Matching [13.079759982779013]
  本稿では,反復型ステレオマッチングのための一貫性を考慮した自己学習フレームワークを提案する。 まず, 誤差が大きい地域では, モデル予測時により顕著な発振特性を示す傾向が見られた。 そこで我々は,疑似ラベルの重み付けを調整し,誤りの蓄積と性能劣化問題を軽減するために,整合性を考慮したソフトウェイトド・ロスを導入する。
  論文  参考訳（メタデータ） (2025-03-31T05:58:25Z)
• Incremental False Negative Detection for Contrastive Learning [95.68120675114878]
  本稿では,自己指導型コントラスト学習のための新たな偽陰性検出手法を提案する。 対照的な学習では、検出された偽陰性を明示的に除去する2つの戦略について議論する。 提案手法は,制限された計算内での複数のベンチマークにおいて,他の自己教師付きコントラスト学習フレームワークよりも優れる。
  論文  参考訳（メタデータ） (2021-06-07T15:29:14Z)
• Exploiting Sample Uncertainty for Domain Adaptive Person Re-Identification [137.9939571408506]
  各サンプルに割り当てられた擬似ラベルの信頼性を推定・活用し,ノイズラベルの影響を緩和する。 不確実性に基づく最適化は大幅な改善をもたらし、ベンチマークデータセットにおける最先端のパフォーマンスを達成します。
  論文  参考訳（メタデータ） (2020-12-16T04:09:04Z)

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。