Fugu-MT 論文翻訳(概要): Revisiting Scene Graph Generation from the Perspective of Detector-Conditioned Reachability

論文の概要: Revisiting Scene Graph Generation from the Perspective of Detector-Conditioned Reachability

arxiv url: http://arxiv.org/abs/2607.06176v1
Date: Tue, 07 Jul 2026 11:53:32 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-08 21:24:51.506442
Title: Revisiting Scene Graph Generation from the Perspective of Detector-Conditioned Reachability
Title（参考訳）: 検出条件付き到達可能性の観点からのシーングラフ生成の再検討
Abstract要約: 本稿では,デュアルクエリ設計による推論機構を両立させるDual-SGG法を提案する。 Visual Genome、Open Images v6、GQA-200データセットの実験では、提案手法の有効性が示されている。
参考スコア（独自算出の注目度）: 2.59123193697629
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Scene graph generation (SGG) approaches can be broadly classified into detector-based and query-based methods according to their underlying reasoning mechanisms. However, the discrepancy in their predictive behaviors, induced by these distinct mechanisms, has not been systematically analyzed. In this work, we design a controlled experimental setup to examine prediction discrepancies from the perspective of detector-conditioned reachability. The results suggest clear complementary clues. Motivated by this observation, we introduce a Dual-SGG method that consolidates both reasoning mechanisms via a dual-query design, thereby leveraging the complementary predictive behaviors of both detector-based and query-based methods. Extensive experiments on the Visual Genome, Open Images v6, and GQA-200 datasets demonstrate the effectiveness of the proposed method.
Abstract（参考訳）: シーングラフ生成(SGG)アプローチは、その基礎となる推論メカニズムに従って、検出器ベースの方法とクエリベースの方法に広く分類することができる。しかし、これらの異なるメカニズムによって引き起こされる予測行動の相違は、体系的に分析されていない。本研究では,検出条件付き到達性の観点から,予測の不一致を検証するための制御された実験装置を設計する。結果は明確な相補的な手がかりを示唆している。この観測から得られたDual-SGG法は、二重クエリ設計により推論機構を統合化し、検出器ベースの手法とクエリベースの手法の相補的な予測挙動を活用する。 Visual Genome、Open Images v6、GQA-200データセットに関する大規模な実験により、提案手法の有効性が示された。

関連論文リスト

Subject-Specific Analysis of Self-Initiated Attention Shifts from EEG with Controlled Internal and External Attention Conditions [2.8839078234339417]
自己開始型注意シフトは、自発的行動において重要な役割を果たすが、明確な時間的マーカーがないため、研究は困難である。本研究では,タスク制約付き自己開始型シフトと外部指示型シフトを同一視覚刺激下で比較できる実験パラダイムを構築した。本研究では,機械学習に基づくアプローチを採用し,(1)周波数固有の地形パターンのパフォーマンス指向評価,(2)SHapley Additive exPlanationsを用いたモデルに基づく特徴属性分析という2つの相補的分析を行う。
論文参考訳（メタデータ） (2026-05-18T11:52:22Z)
K-Models: a Flexible and Interpretable Method for Ordinal Clustering with Application to Antigen-Antibody Interaction Profiles [65.21921642886367]
K-Modelsは、順序的制約を統合し、観察された機能プロファイルを生成するランダムプロセスの基本的な要素を推定する新しいフレームワークである。提案手法はシミュレーションと実世界の応用を通して評価する。
論文参考訳（メタデータ） (2026-05-14T13:35:44Z)
Probabilistic Concept Graph Reasoning for Multimodal Misinformation Detection [50.08054676999716]
確率論的概念グラフ推論(PCGR)は,マルチモーダルな誤情報検出を構造化および概念ベース推論として再構成する,解釈可能かつ進化可能なフレームワークである。 PCGRは、最先端のMDD精度と、新たな操作タイプに対する堅牢性を達成し、粗い検出ときめ細かい操作認識の両方において、先行手法より優れている。
論文参考訳（メタデータ） (2026-03-26T09:08:31Z)
Explainable Condition Monitoring via Probabilistic Anomaly Detection Applied to Helicopter Transmissions [6.310022806617579]
本稿では,健康なデータのみに頼って,条件モニタリングのための新しい説明可能な方法論を提案する。障害は稀な出来事であるため、健康な観測のみの確率分布の学習に焦点をあて、実行時に異常を検出することを提案する。
論文参考訳（メタデータ） (2026-03-09T09:09:01Z)
Concept-SAE: Active Causal Probing of Visual Model Behavior [10.346577706023139]
Concept-SAEは、概念トークンを意味的に基礎づけるフレームワークである。まず、我々の二重スーパービジョンアプローチが、著しく忠実で空間的に局在したトークンを生み出すことを定量的に示す。この検証された忠実さは,(1)内部概念と直接介入による予測の因果関係を探索し,(2)特定の層に敵対的脆弱性を体系的に局在させることにより,モデルの障害モードを探索する,という2つの重要な応用を可能にする。
論文参考訳（メタデータ） (2025-09-26T07:51:03Z)
Dual-Mode Deep Anomaly Detection for Medical Manufacturing: Structural Similarity and Feature Distance [2.467339701756281]
本稿では,2つの注意誘導型オートエンコーダアーキテクチャを提案する。 1つ目は、軽量でリアルタイムな欠陥検出を可能にする構造的類似性に基づくスコアリングアプローチである。第二に、Mahalanobis を用いた特徴距離ベースの戦略を、遅延特性の低減に応用する。
論文参考訳（メタデータ） (2025-09-06T18:17:40Z)
Out-of-Distribution Detection on Graphs: A Survey [58.47395497985277]
グラフアウト・オブ・ディストリビューション(GOOD)検出は、トレーニング中に見られる分布から逸脱するグラフデータを特定することに焦点を当てる。既存の手法を,拡張ベース,再構築ベース,情報伝達ベース,分類ベースという4つのタイプに分類する。本稿では,グラフデータによるユニークな課題を浮き彫りにして,実践的応用と理論的基礎について論じる。
論文参考訳（メタデータ） (2025-02-12T04:07:12Z)
AnomalyAID: Reliable Interpretation for Semi-supervised Network Anomaly Detection [8.776201861433133]
AnomalyAIDは、異常検出プロセスを解釈し、解釈結果の信頼性を向上させることを目的としている。本稿では,グローバル・ローカル・インタプリタを利用した新しい解釈手法を提案する。両段階のモデル予測を特別な制約に合わせることで,ネットワーク異常検出のための新たな2段階半教師付き学習フレームワークを設計する。
論文参考訳（メタデータ） (2024-11-18T05:39:00Z)
ODAM: Gradient-based instance-specific visual explanations for object detection [51.476702316759635]
勾配重み付き物体検出器活性化マップ(ODAM) ODAMは、各予測属性に対する検出器の決定に対する領域の影響を示す熱マップを生成する。そこで本研究では,重複検出対象を識別するために,各予測に対してモデルの説明情報を考慮したOdam-NMSを提案する。
論文参考訳（メタデータ） (2023-04-13T09:20:26Z)
Consistency Regularization for Deep Face Anti-Spoofing [69.70647782777051]
顔認証システムでは、顔認証(FAS)が重要な役割を担っている。このエキサイティングな観察によって、異なる視点の特徴整合性を促進することが、FASモデルを促進するための有望な方法かもしれないと推測する。 FASにおけるEPCR(Embeddding-level and Prediction-level Consistency Regularization)とEPCR(Embeddding-level Consistency Regularization)を併用した。
論文参考訳（メタデータ） (2021-11-24T08:03:48Z)
End-to-End Models for the Analysis of System 1 and System 2 Interactions based on Eye-Tracking Data [99.00520068425759]
本稿では,よく知られたStroopテストの視覚的修正版において,様々なタスクと潜在的な競合事象を特定するための計算手法を提案する。統計的分析により、選択された変数は、異なるシナリオにおける注意負荷の変動を特徴付けることができることが示された。機械学習技術は,異なるタスクを分類精度良く区別できることを示す。
論文参考訳（メタデータ） (2020-02-03T17:46:13Z)

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。