論文の概要: RankVR: Low-Rank Structure Perception and Value Recalibration for Robust Composed Image Retrieval
- arxiv url: http://arxiv.org/abs/2606.11689v1
- Date: Wed, 10 Jun 2026 06:06:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-11 16:42:38.319662
- Title: RankVR: Low-Rank Structure Perception and Value Recalibration for Robust Composed Image Retrieval
- Title（参考訳）: RankVR:ロバスト構成画像検索のための低ランク構造認識と値再検討
- Authors: Jiale Huang, Zixu Li, Zhiheng Fu, Zhiwei Chen, Qinlei Huang, Yupeng Hu,
- Abstract要約: RankVRは、グローバルな構造整合性と動的値知覚を通じて、堅牢なコンポジションイメージ検索モデルを構築するために設計されたフレームワークである。
既存の最先端手法を著しく上回り、ノイズの多い環境でその優れた堅牢性を検証する。
- 参考スコア（独自算出の注目度）: 24.383054290279173
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Composed Image Retrieval (CIR) constitutes a pivotal paradigm requiring models to perform joint reasoning on reference images and modification texts. However, the prevalence of Noisy Triplet Correspondence (NTC) in large-scale datasets severely constrains model performance. Existing denoising methods either target binary mismatches or rely on scalar-based point-wise estimation, neglecting rich global structural correlations among sample populations and dynamic value variations during training, thereby yielding suboptimal results. This paper identifies two critical unresolved challenges: Global Structural Inconsistency of Semantic Correlations and Hard Sample Discrimination Uncertainty. To address these, we propose RankVR, a framework designed to construct a robust CIR model via global structure consistency and dynamic value perception. Specifically, we introduce the Global Structure Consistency Perception (GSCP) module, which utilizes the Effective Rank of the Correlation Matrix to decouple clean samples from structural noise. By measuring rank difference, GSCP identifies samples disrupting macroscopic semantic symmetry. Furthermore, we develop the Adaptive Semantic Value Calibration (ASVC) module to distinguish high-value hard clean samples. By integrating training potential and reliability, it dynamically quantifies the semantic value of each triplet, ensuring effective utilization of hard samples while suppressing noise characterized by logical conflicts. Extensive experiments on the FashionIQ and CIRR benchmark datasets demonstrate that RankVR significantly outperforms existing state-of-the-art methods, validating its superior robustness in noisy environments.
- Abstract（参考訳）: Composed Image Retrieval (CIR) は、参照画像と修正テキストで共同推論を行うモデルを必要とする重要なパラダイムである。
しかし、大規模データセットにおけるノイズトリプレット対応(NTC)の頻度は、モデル性能を著しく制約する。
既存のデノナイジング手法は, 2次ミスマッチを対象とするか, あるいはスカラーに基づく点推定に依存し, サンプル集団間の豊富なグローバルな構造的相関や訓練中の動的値の変動を無視し, 準最適結果を得る。
本稿では,意味的相関のグローバル構造不整合とハードサンプル識別不確かさの2つの重要な未解決課題を特定する。
そこで本稿では,グローバルな構造整合性と動的値知覚によるロバストなCIRモデルを構築するためのフレームワークであるRangVRを提案する。
具体的には,Global Structure Consistency Perception (GSCP)モジュールを導入する。これは相関行列の有効ランクを利用して,クリーンサンプルを構造ノイズから分離する。
ランク差を測定することにより、GSCPはマクロな意味対称性を乱すサンプルを特定する。
さらに, 適応意味値校正 (ASVC) モジュールを開発し, 高い値のハードクリーンサンプルを識別する。
学習電位と信頼性を統合することにより、各三重項の意味値を動的に定量化し、論理的矛盾を特徴とする雑音を抑えながら、ハードサンプルの有効利用を確保する。
FashionIQとCIRRベンチマークデータセットの大規模な実験は、RangeVRが既存の最先端の手法を著しく上回り、ノイズの多い環境でその優れたロバスト性を検証していることを示している。
関連論文リスト
- Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。
既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。
動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-25T09:57:46Z) - GAMR: Geometric-Aware Manifold Regularization with Virtual Outlier Synthesis for Learning with Noisy Labels [7.09131557837911]
ディープニューラルネットワーク(DNN)は、ノイズラベルを処理する際に大きなパフォーマンス劣化を経験する。
現在の主流のアプローチでは、トレーニング中にクリーンサンプルを受動的にフィルタリングすることで、この問題を緩和しようとしている。
ノイズの多いデータから学習するための特徴空間幾何を積極的に作り直すことの基本的な重要性を初めて強調する。
論文 参考訳（メタデータ） (2026-05-20T05:24:43Z) - MIND: Decoupling Model-Induced Label Noise via Latent Manifold Disentanglement [3.626013617212667]
モデルによるラベルノイズは古典的ロバスト学習においてノイズを支配している。
このジレンマに対処する理論的な基盤となるフレームワークであるモデル誘導ノイズデカップリング(MIND)を提案する。
MINDは複雑なベンチマークで最先端の手法を著しく上回っている。
論文 参考訳（メタデータ） (2026-05-15T15:44:19Z) - 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) - Variational Rectification Inference for Learning with Noisy Labels [74.85528327499662]
損失関数の適応的補正を定式化するために, 変分補正推論(VRI)を提案する。
VRIは、補正ベクトルを潜在変数として扱うことによって階層ベイズとして構成される。
VRIで変分項を導入することにより、条件付き後部を正確に推定し、ディラックデルタ関数への崩壊を避ける。
論文 参考訳（メタデータ） (2026-03-18T01:25:08Z) - StepVAR: Structure-Texture Guided Pruning for Visual Autoregressive Models [98.72926158261937]
本稿では,Visual AutoRegressive モデルのためのトレーニングフリートークン解析フレームワークを提案する。
我々は局所的なテクスチャの詳細を捉えるために軽量なハイパスフィルタを使用し、グローバルな構造情報を保存するために主成分分析(PCA)を活用している。
スパーストークンの下で有効な次世代の予測を維持するために,近接した特徴伝達戦略を導入する。
論文 参考訳（メタデータ） (2026-03-02T11:35:05Z) - Quality-Aware Robust Multi-View Clustering for Heterogeneous Observation Noise [12.720216418233795]
QARMVC(Quality-Aware Robust Multi-View Clustering)と呼ばれる新しいフレームワークを提案する。
QARMVCは、ビュー再構成に固有のセマンティクスを抽出するために、情報ボトルネック機構を採用している。
5つのベンチマークデータセットの実験では、QARMVCは一貫して最先端のベースラインを上回っている。
論文 参考訳（メタデータ） (2026-02-26T03:16:44Z) - RoHOI: Robustness Benchmark for Human-Object Interaction Detection [84.78366452133514]
ヒューマン・オブジェクト・インタラクション(HOI)検出は、コンテキスト認識支援を可能にするロボット・ヒューマン・アシストに不可欠である。
HOI検出のための最初のベンチマークを導入し、様々な課題下でモデルのレジリエンスを評価する。
我々のベンチマークであるRoHOIは、HICO-DETとV-COCOデータセットに基づく20の汚職タイプと、新しいロバストネスにフォーカスしたメトリクスを含んでいる。
論文 参考訳（メタデータ） (2025-07-12T01:58:04Z) - Coordinated Sparse Recovery of Label Noise [2.9495895055806804]
本研究は、ラベルノイズがインスタンス依存であるロバストな分類タスクに焦点を当てる。
協調スパース回収法(CSR)を提案する。
CSRは、モデル予測とノイズ回復を調整するために、協調行列と信頼重みを導入し、エラーリークを低減する。
CSRに基づいて,共同サンプル選択戦略を設計し,CSR+と呼ばれる包括的で強力な学習フレームワークを構築した。
論文 参考訳（メタデータ） (2024-04-07T03:41:45Z)
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。