論文の概要: SLIP-RS: Structured-Attribute Language-Image Pre-Training for Remote Sensing Object Detection

• arxiv url: http://arxiv.org/abs/2605.23144v1
• Date: Fri, 22 May 2026 01:50:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.153694
• Title: SLIP-RS: Structured-Attribute Language-Image Pre-Training for Remote Sensing Object Detection
• Title（参考訳）: SLIP-RS:構造化属性言語画像によるリモートセンシング対象検出のための事前訓練
• Authors: Chenxu Wang, Yuxuan Li, Yunheng Li, Xiang Li, Jingyuan Xia, Qibin Hou,
• Abstract要約: リモートセンシングオブジェクト検出のための既存の言語画像事前学習はモノリシックラベル学習によって制限される。 開圏空間を有限で物理的に有意な空間にマッピングする構造的属性分離パラダイム(Structured-Attribute Decoupling Paradigm)を確立するSLIP-RSを提案する。 実験により,SLIP-RSは細粒度検出およびクロスドメイン一般化において前例のない性能を示すことが示された。
• 参考スコア（独自算出の注目度）: 47.63279428416795
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing language-image pre-training for remote sensing object detection is constrained by Monolithic Label Learning, which relies on exhaustively enumerating open-set categories via black-box data to acquire fine-grained representations, creating a dependency incompatible with the domain's inherent data scarcity. To transcend this bottleneck, we propose SLIP-RS, establishing a Structured-Attribute Decoupling Paradigm that maps the open-ended category space into a finite, physically meaningful attribute space, unlocking fine-grained discriminability via explicit structural logic. This paradigm is realized via two technical pillars: (1) Structured-Attribute Contrastive Learning, which enforces the learning of decoupled intrinsic visual logic via combinatorial attribute augmentation; and (2) Conformal Attribute Reliability Engine, which leverages conformal prediction theory to rigorously distill high-fidelity supervision from noisy sources, yielding RS-Attribute-15M, the largest dataset with over 15 million attribute annotations. Extensive experiments demonstrate that SLIP-RS establishes unprecedented performance in fine-grained detection and cross-domain generalization, validating structured attributes as a vital foundation for remote sensing. Code: https://github.com/facias914/SLIP-RS.
• Abstract（参考訳）: 既存の言語イメージによるリモートセンシングオブジェクト検出の事前トレーニングはモノリシックラベル学習(モノリシックラーニング)によって制限される。これはブラックボックスデータを通じてオープンセットカテゴリを包括的に列挙して、きめ細かい表現を取得し、ドメイン固有のデータ不足と互換性のない依存関係を生成する。 このボトルネックを克服するため、我々はSLIP-RSを提案し、オープンな圏空間を有限で物理的に有意な属性空間にマッピングし、明示的な構造論理を通してきめ細かな識別性を解放するStructured-Attribute Decoupling Paradigmを確立する。 このパラダイムは,(1)結合属性拡張による分離された固有視覚論理の学習を強制する構造化属性コントラスト学習,(2)コンフォーマル属性信頼性エンジン,(2)共形予測理論を利用して雑音源から高忠実度監視を厳格に蒸留し,最大1500万以上の属性アノテーションを持つデータセットであるRS-Attribute-15Mを出力する,という2つの技術柱を通じて実現されている。 広範囲にわたる実験により,SLIP-RSは細粒度検出およびクロスドメイン一般化において前例のない性能を確立し,構造的属性をリモートセンシングの重要な基盤として検証した。 コード:https://github.com/facias914/SLIP-RS。

関連論文リスト

• DSAA: Dual-Stage Attribute Activation for Fine-grained Open Vocabulary Detection [10.512210722250236]
  Open-Vocabulary Object Detection (OVD)モデルはクローズドセット検出の限界を破る。 色、マテリアル、テクスチャなどの属性を含む、きめ細かい検出タスクには、顕著な制限がある。 本稿では,微粒化検出キャパビリティを向上するDual-Stage Attribute Activationフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-18T08:13:13Z)
• GUIDED: Granular Understanding via Identification, Detection, and Discrimination for Fine-Grained Open-Vocabulary Object Detection [54.19989440021701]
  細粒度オープン語彙オブジェクト検出(FG-OVD)は属性リッチテキストで記述された新しいオブジェクトカテゴリを検出することを目的としている。 FG-OVDは、非絡み合いモデリングとモジュラー最適化の利点を実証し、新しい最先端の結果を達成する。
  論文  参考訳（メタデータ） (2026-03-27T22:08:11Z)
• UniDGF: A Unified Detection-to-Generation Framework for Hierarchical Object Visual Recognition [14.256812146187565]
  本稿では,階層的カテゴリと属性トークンを予測可能な検出誘導型生成フレームワークを提案する。 検出対象ごとに、精細なROIレベルの特徴を抽出し、BARTベースのジェネレータを用いて意味トークンを生成する。 大規模なプロプライエタリなeコマースデータセットとオープンソースデータセットの両方の実験は、我々のアプローチが既存の類似性ベースのパイプラインを大幅に上回っていることを示している。
  論文  参考訳（メタデータ） (2025-11-20T02:37:43Z)
• LIRA: Inferring Segmentation in Large Multi-modal Models with Local Interleaved Region Assistance [54.683384204063934]
  大規模マルチモーダルモデル(LMM)は不正確なセグメンテーションと幻覚的理解に苦しむ。 視覚的理解とセグメンテーションの相補的関係を生かしたフレームワークであるLIRAを提案する。 LIRAはセグメンテーションと理解タスクの両方で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-07-08T07:46:26Z)
• OvarNet: Towards Open-vocabulary Object Attribute Recognition [42.90477523238336]
  CLIP-Attrと呼ばれるオープンボキャブラリオブジェクトの検出と属性分類に有効な2段階のアプローチを提案する。 候補オブジェクトは最初、オフラインのRPNで提案され、後にセマンティックなカテゴリと属性に分類される。 視覚的シーン理解において,意味カテゴリーと属性の認識が相補的であることを示す。
  論文  参考訳（メタデータ） (2023-01-23T15:59:29Z)
• Adaptive Attribute and Structure Subspace Clustering Network [49.040136530379094]
  自己表現型サブスペースクラスタリングネットワークを提案する。 まず、入力データサンプルを表現する自動エンコーダについて検討する。 そこで我々は, 局所的な幾何学的構造を捉えるために, 混合符号と対称構造行列を構築した。 構築された属性構造と行列に対して自己表現を行い、親和性グラフを学習する。
  論文  参考訳（メタデータ） (2021-09-28T14:00:57Z)

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。