論文の概要: COVD: Continual Open-Vocabulary Object Detection with Novel Concept Injection

• arxiv url: http://arxiv.org/abs/2605.27116v1
• Date: Tue, 26 May 2026 14:53:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:42.278176
• Title: COVD: Continual Open-Vocabulary Object Detection with Novel Concept Injection
• Title（参考訳）: COVD:新しい概念注入による連続的オープンボキャブラリ物体検出
• Authors: Yupeng Zhang, Ruize Han, Yuzhong Feng, Zixin Ren, Yuntong Tian, Liang Wan,
• Abstract要約: モデルが入ってくる新しい概念群を逐次学習する,新規概念注入(COVD)を伴う連続OVDというタスクセットを導入する。 我々のキーとなる観察は、事前学習された視覚エンコーダは、しばしば既に多くの新しい概念を理解し、表現しているということである。 追加パラメータを含まない効率的な連続注入フレームワークであるNoIn-Detを提案する。
• 参考スコア（独自算出の注目度）: 24.164864713386446
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Open-vocabulary object detection (OVD) has made significant progress, enabling detectors to generalize from seen to unseen categories. However, real-world category spaces continually evolve, and existing OVD models still struggle with newly emerging concepts, while repeated full retraining is prohibitively expensive. To this end, we introduce a new task setting, termed Continual OVD with Novel Concept Injection (COVD), where models sequentially learn incoming novel concept groups while preserving prior concepts and original open-vocabulary knowledge, along with a new benchmark, Novel-114. Our key observation is that pretrained visual encoders often already perceive and represent many novel concepts, and the main bottleneck lies in the lack of stable semantic alignment between visual representations and textual concepts. Based on this, we propose NoIn-Det, an efficient continual injection framework without additional parameters. NoIn-Det freezes the visual encoder, preserves the text representation space using only texts of common concepts and previously injected concepts, and injects novel concepts by updating only a small subset of text-branch parameters beneficial to novel concept learning. Extensive experiments show that NoIn-Det effectively learns novel concepts, preserves old knowledge, and consistently outperforms existing continual learning methods for VLMs without introducing additional parameters.Novel-114 and the code will be released.
• Abstract（参考訳）: オープンボキャブラリオブジェクト検出(OVD)は大きな進歩を遂げており、検出器は目に見えないカテゴリから目に見えないカテゴリまで一般化することができる。 しかし、現実世界のカテゴリー空間は絶え間なく進化し、既存のOVDモデルは新しい概念に苦しむ一方で、完全な再訓練は違法に高価である。 そこで我々は,従来の概念と独自のオープン語彙の知識を保ちながら,モデルが入ってくる新しい概念群を逐次学習する,Continual OVD with Novel Concept Injection (COVD)と呼ばれるタスクセットを導入する。 我々のキーとなる観察は、事前学習された視覚エンコーダは、しばしば多くの新しい概念を認識、表現しており、主なボトルネックは、視覚表現とテキスト概念間の安定した意味的アライメントの欠如にある。 そこで本研究では,新たなパラメータを伴わない効率的な連続注入フレームワークであるNoIn-Detを提案する。 NoIn-Detは、ビジュアルエンコーダを凍結し、共通の概念のテキストのみを使用してテキスト表現空間を保存し、新しい概念学習に有用なテキストブランチパラメータの小さなサブセットだけを更新することによって、新しい概念を注入する。 NoIn-Detは、新しい概念を効果的に学習し、古い知識を保存し、新たなパラメータを導入することなく、VLMの既存の継続学習手法を一貫して上回り、Novel-114とコードがリリースされる。

関連論文リスト

• LINE: LLM-based Iterative Neuron Explanations for Vision Models [0.0]
  我々は、オープン語彙の概念を視覚モデルにラベル付けするためのトレーニング不要な反復的アプローチであるLINEを紹介した。 LINEは複数のモデルアーキテクチャで最先端のパフォーマンスを実現しており、ImageNetでは0.18、Places365では0.05に改善されている。 LINEは完全な生成履歴を提供し、多意味性の評価を可能にし、勾配に依存したアクティベーションメソッドと競合する視覚的説明を生成する。
  論文  参考訳（メタデータ） (2026-04-09T09:43:26Z)
• TINA: Text-Free Inversion Attack for Unlearned Text-to-Image Diffusion Models [92.56562999211809]
  テキスト中心のパラダイムは、消去とテキスト・ツー・イメージマッピングの厳密さを同一視し、望ましくない概念に関する基礎となる視覚的知識が今も続いていることを無視する。 我々は、この視覚のみのプローブをNull-text条件下で動作させることで、新しいテキストフリーのインバージョンアタックであるTinaを紹介する。 我々の実験では、Tinaは最先端の未学習モデルから消去された概念を再生することを示した。
  論文  参考訳（メタデータ） (2026-03-18T15:25:03Z)
• Bring Your Dreams to Life: Continual Text-to-Video Customization [76.70414091514704]
  我々は,忘れと概念の無視に対処するために,連続的カスタマイズビデオ拡散モデルを開発した。 概念の無視に対処するため,地域特性を高め,映像コンテキストをユーザ条件と整合させる制御可能な条件合成を開発した。 私たちのCCVDは、DreamVideoとWan 2.1のバックボーンで既存のCTVGベースラインを上回っています。
  論文  参考訳（メタデータ） (2025-12-05T15:25:56Z)
• FaCT: Faithful Concept Traces for Explaining Neural Network Decisions [56.796533084868884]
  ディープネットワークは、幅広いタスクで顕著なパフォーマンスを示しているが、それらの機能に関するグローバルな概念レベルの理解は、依然として重要な課題である。 本稿では,概念に基づく説明の忠実さを強調し,モデル独立な機械的概念説明を用いた新しいモデルを提案する。 私たちの概念はクラス間で共有され、あらゆるレイヤから、ロジットへの貢献と入力-視覚化を忠実にトレースすることができます。
  論文  参考訳（メタデータ） (2025-10-29T13:35:46Z)
• Scaling Concept With Text-Guided Diffusion Models [53.80799139331966]
  概念を置き換える代わりに、概念自体を強化するか、あるいは抑圧できるだろうか? ScalingConceptは、分解された概念を、新しい要素を導入することなく、実際の入力でスケールアップまたはスケールダウンする、シンプルで効果的な方法である。 さらに重要なのは、ScalingConceptは画像とオーディオドメインにまたがる様々な新しいゼロショットアプリケーションを可能にすることだ。
  論文  参考訳（メタデータ） (2024-10-31T17:09:55Z)
• How to Continually Adapt Text-to-Image Diffusion Models for Flexible Customization? [91.49559116493414]
  本稿では,CIDM(Concept-Incremental Text-to-image Diffusion Model)を提案する。 破滅的な忘れと概念の無視を解決し、新しいカスタマイズタスクを概念的な方法で学習する。 実験により、CIDMが既存のカスタム拡散モデルを上回ることが確認された。
  論文  参考訳（メタデータ） (2024-10-23T06:47:29Z)
• Neural Concept Binder [22.074896812195437]
  本稿では、離散概念表現と連続概念表現の両方を導出するフレームワークであるNeural Concept Binder (NCB)を紹介する。 NCBの概念表現の構造的性質は、直感的な検査と外部知識の直接的な統合を可能にする。 新たに導入したCLEVR-Sudokuデータセットを用いて,NCBの有効性を評価する。
  論文  参考訳（メタデータ） (2024-06-14T11:52:09Z)

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。