Fugu-MT 論文翻訳(概要): Rethinking Efficient Crack Segmentation with Task-Aligned Structural-Directional Modeling

論文の概要: Rethinking Efficient Crack Segmentation with Task-Aligned Structural-Directional Modeling

arxiv url: http://arxiv.org/abs/2605.31048v1
Date: Fri, 29 May 2026 09:24:26 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-01 20:56:50.502364
Title: Rethinking Efficient Crack Segmentation with Task-Aligned Structural-Directional Modeling
Title（参考訳）: タスク適応型構造方向モデリングによる効率的なき裂分割の再検討
Abstract要約: クラックは、カテゴリーレベルのセマンティクスに制限があるが、強い形態的規則性があり、薄く、疎らかく、異方性があり、局所的に断片化され、テクスチャや影と容易に混同される。本稿では, 複雑な汎用アーキテクチャを圧縮するのではなく, 局所的な証拠の保存, 協調的な方向連続性の集約, 軽量なマルチスケール核融合による亀裂構造の復元などにより, RIFTを簡易に設計する。
参考スコア（独自算出の注目度）: 8.944881958991386
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recent crack segmentation methods often follow generic semantic segmentation designs, using stronger backbones, hybrid CNN-Transformer-Mamba encoders, and auxiliary enhancement branches. Although effective, this raises whether stronger generic feature mixing is the most suitable direction for crack segmentation. We instead formulate crack segmentation as sparse structural recovery. Cracks have limited category-level semantics but strong morphological regularities, being thin, sparse, anisotropic, locally fragmented, and easily confused with textures or shadows. Thus, the key bottleneck lies in preserving weak structural evidence, recovering directional continuity, and suppressing background coupling. We propose RIFT, a compact family of morphology-aligned crack segmentation models. Rather than compressing a complex generic architecture, RIFT is simple by design, preserving local evidence, aggregating cooperative directional continuity, and restoring crack structures through lightweight multi-scale fusion. Experiments on four public benchmarks show that RIFT achieves the best or tied-best results across the 16 main metrics against reproduced representative baselines. RIFT-B gives the strongest overall accuracy, while RIFT-T provides the best deployment efficiency with only 0.47M parameters and high inference speed. Topology-aware evaluation, ablations, transfer experiments, and visualizations further verify that task-aligned simplicity can match or surpass complex hybrid architectures when its inductive bias fits crack morphology. Code: https://github.com/xauat-liushipeng/RIFT
Abstract（参考訳）: 最近のクラックセグメンテーション法は、しばしば、より強力なバックボーン、ハイブリッドCNN-Transformer-Mambaエンコーダ、補助的な拡張ブランチを用いて、一般的なセマンティックセグメンテーション設計に従う。有効ではあるが、これにより、より強力な汎用的な特徴混合がクラックセグメンテーションの最も適した方向であるかどうかが上昇する。その代わりに, き裂の断片化をスパース構造回復として定式化する。クラックは、カテゴリーレベルのセマンティクスに制限があるが、強い形態的規則性があり、薄く、疎らかく、異方性があり、局所的に断片化され、テクスチャや影と容易に混同される。したがって、鍵となるボトルネックは、弱い構造的証拠を保存し、方向性の連続性を回復し、背景結合を抑制することである。形態素整合き裂分割モデルのコンパクトなファミリであるRIFTを提案する。複雑なジェネリックアーキテクチャを圧縮するのではなく、RIFTは設計、局所的な証拠の保存、協調的な方向性の連続性の集約、軽量なマルチスケール核融合による亀裂構造の復元によって単純である。 4つの公開ベンチマーク実験により、RIFTは16の主要指標において、再現された代表ベースラインに対して、最良の、または結びついたベストな結果を達成することが示された。 RIFT-Bは全体的な精度が最も高く、RIFT-Tは0.47Mパラメータと高い推論速度で最良の配置効率を提供する。トポロジーを考慮した評価、改善、伝達実験、可視化は、その帰納バイアスが亀裂形態に適合するときに、タスク整合性の単純さが複雑なハイブリッドアーキテクチャと一致するか、あるいは超えるかをさらに検証する。コード:https://github.com/xauat-liushipeng/RIFT

関連論文リスト

Breaking the Compression Barrier: Cross-Architecture Compression Boundary Learning via Reverse Regrowth [1.454787329315493]
本稿では,境界探索問題として圧縮を再構成する境界学習逆フレームワークBRIDGEを提案する。提案手法はまず, 崩壊領域を公開するために, 極めて希薄な状態にモデルを駆動し, 臨界構造を選択的に再生し, 性能を回復する。実験により,本手法はCNNとTransformerアーキテクチャの両方において,崩壊の瀬戸際からモデルを復元可能であることが示された。
論文参考訳（メタデータ） (2026-08-17T01:59:23Z)
CurvSegFlow: Time-Conditioned Flow Matching for Robust Segmentation of Curvilinear Structures in Noisy Biomedical Images [33.96173028868693]
時間条件のフローマッチングに基づくセグメンテーションフレームワークであるCurvSegFlowを提案する。提案モデルでは,U-Netのバックボーンに三項損失関数と時間埋め込みを組み合わせ,改良プロセスの導出を行う。 CurvSegFlowは、複数の合成および実際の微小管データセット、および網膜血管、角膜神経、冠動脈の公開ベンチマークで評価されている。
論文参考訳（メタデータ） (2026-06-19T17:12:49Z)
Universal Image Restoration via Internalized Chain-of-Thought Reasoning [52.763760468548504]
画像復元は、劣化した入力から高品質なイメージを復元しようとするが、複雑な混合劣化の下で非常に悪影響を及ぼす。最近の研究は、特別なモジュールを用いた複数ラウンドの復元のためのChain-of-Thought (CoT)推論を採用する。 CoTIRは,単一モデル内でCoT推論を内部化する汎用画像復元フレームワークである。
論文参考訳（メタデータ） (2026-06-16T06:01:36Z)
Multi-Task Crack Foundation Model for Engineering-Reliable Crack Representation and Topology Preservation in Civil Infrastructure [6.830580384536778]
CrackGeoFMは、凍結した視覚基盤のバックボーンと、マスク予測、骨格再構築、不確実性推定のためのクラック固有の適応を組み合わせたフレームワークである。 20のクラックデータセットで、CrackGeoFMは最先端のセグメンテーション、トポロジー保存の改善、キャリブレーションされた不確実性、そして5つのラベル付き画像による効果的な数ショット適応を実現している。
論文参考訳（メタデータ） (2026-06-04T03:08:01Z)
CrackForward: Context-Aware Severity Stage Crack Synthesis for Data Augmentation [1.6440434996206623]
本稿では,データ拡張のための現実的なひび割れ成長パターンの合成を目的とした,コンテキスト認識型生成フレームワークを提案する。 CrackForwardは、方向のひび割れ伸長と学習した厚みと分岐を組み合わせることで、き裂形態を明示的にモデル化する。
論文参考訳（メタデータ） (2026-04-21T19:36:27Z)
PRISM: Parallel Residual Iterative Sequence Model [52.26239951489612]
我々はこの緊張を解決するためにPRISM(Parallel Residual Iterative Sequence Model)を提案する。 PRISMは、パラレル化可能な形で多段階精製の重要な構造特性を捉える、ソルバに着想を得た帰納バイアスを導入している。この定式化が Rank-$L$ の蓄積を達成することを証明し、更新多様体を単一ステップの Rank-$1$ ボトルネックを超えて構造的に拡張する。
論文参考訳（メタデータ） (2026-02-11T12:39:41Z)
StructAlign: Structured Cross-Modal Alignment for Continual Text-to-Video Retrieval [75.28673512571449]
Continual Text-to-Video Retrievalの重要な課題はフィーチャードリフトだ。我々はCTVRのための構造化クロスモーダルアライメント手法であるStructAlignを提案する。我々の手法は、常に最先端の連続検索手法より優れています。
論文参考訳（メタデータ） (2026-01-28T13:34:44Z)
Unleashing Degradation-Carrying Features in Symmetric U-Net: Simpler and Stronger Baselines for All-in-One Image Restoration [52.82397287366076]
オールインワン画像復元は、統合された枠組み内で様々な劣化(ノイズ、ぼかし、悪天候など)を扱うことを目的としている。本研究では, 優れた特徴抽出法により, 劣化伝達情報を本質的にエンコードする, 重要な知見を明らかにする。我々の対称設計は固有の劣化信号を頑健に保存し、スキップ接続に単純な加法融合を施す。
論文参考訳（メタデータ） (2025-12-11T12:20:31Z)
Mixture of Ranks with Degradation-Aware Routing for One-Step Real-World Image Super-Resolution [76.66229730098759]
実世界の画像超解像(Real-ISR)では、既存のアプローチは主に微調整された事前学習拡散モデルに依存している。単一ステップ画像超解像のためのMixture-of-Ranks (MoR)アーキテクチャを提案する。 LoRAの各ランクを独立した専門家として扱う、きめ細かい専門家分割戦略を導入する。
論文参考訳（メタデータ） (2025-11-20T04:11:44Z)
Deep Learning-Based Fatigue Cracks Detection in Bridge Girders using Feature Pyramid Networks [8.59780173800845]
本研究では,橋梁の鋼箱桁のひび割れ情報を含む高分解能画像からの自動き裂分割手法を提案する。亀裂のマルチスケールの特徴を考慮し, 亀裂検出のための特徴ピラミッドネットワーク(FPN)の畳み込みニューラルネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2024-10-28T16:16:15Z)
CrackSCF: Lightweight Cascaded Fusion Network for Robust and Efficient Structural Crack Segmentation [36.93774494071781]
CrackSCFは、堅牢なクラックセグメンテーションを実現するために設計された軽量なカスケード核融合クラックネットワークである。このアプローチは、最小の計算フットプリントで動作しながら、ローカルパターンを効率的にキャプチャする。実験結果から,CrackSCF法は既存の手法よりも一貫して優れていることがわかった。
論文参考訳（メタデータ） (2024-08-23T03:21:51Z)
Isomorphic Pruning for Vision Models [56.286064975443026]
構造化プルーニングは、冗長なサブ構造を取り除くことによって、ディープニューラルネットワークの計算オーバーヘッドを低減する。 Isomorphic Pruningは、ネットワークアーキテクチャの範囲で有効性を示すシンプルなアプローチである。
論文参考訳（メタデータ） (2024-07-05T16:14:53Z)
A Refreshed Similarity-based Upsampler for Direct High-Ratio Feature Upsampling [54.05517338122698]
一般的な類似性に基づく機能アップサンプリングパイプラインが提案されている。本稿では,セマンティック・アウェアとディテール・アウェアの両方の観点から,明示的に制御可能なクエリキー機能アライメントを提案する。我々は,モーザイクアーティファクトを緩和する上ではシンプルだが有効であるHR特徴に対して,きめ細かな近傍選択戦略を開発する。
論文参考訳（メタデータ） (2024-07-02T14:12:21Z)
Infrastructure Crack Segmentation: Boundary Guidance Method and Benchmark Dataset [11.282003429161163]
本稿では, き裂の固有特性について検討し, き裂の識別に境界特性を導入する。境界誘導クラックセグメンテーションモデル(BGCrack)を、高頻度モジュールを含むターゲット構造とモジュールで構築する。本稿では, 鋼ひび割れの同定のための統一的, 公正なベンチマークを確立するための鋼ひび割れデータセットを提供する。
論文参考訳（メタデータ） (2023-06-15T15:25:53Z)

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。