論文の概要: Bridging the Catalog-to-Real Gap: Scalable Product Recognition via Multi-Stage Contrastive Learning

• arxiv url: http://arxiv.org/abs/2607.09888v1
• Date: Fri, 10 Jul 2026 18:27:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.237957
• Title: Bridging the Catalog-to-Real Gap: Scalable Product Recognition via Multi-Stage Contrastive Learning
• Title（参考訳）: Catalog-to-Realギャップのブリッジ:マルチステージコントラスト学習によるスケーラブルな製品認識
• Abstract要約: カタログから実際の多段階コントラスト学習パラダイム(Cat2Real)を導入する。 我々のフレームワークは、アイテムレベルと画像レベルの両方の類似性を体系的に利用して、ターゲットとなるハードネガティブマイニングを駆動することによって、視覚バックボーンを微調整する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated product recognition is a cornerstone of modern retail intelligence; however, accurately matching real-world, in-store images against extensive corporate catalogs remains a major scalability bottleneck for large-scale applications. In this work, we address this challenge by reformulating the task as an embedding-based cross-domain retrieval problem rather than a standard closed-set classification task. Specifically, we define the objective as retrieving the most corresponding catalog reference image for a given real-world product query crop from an expansive inventory. To bridge the severe domain gap between pristine studio packshots and noisy in-store queries, we introduce a novel catalog-to-real multi-stage contrastive learning paradigm (Cat2Real). This framework fine-tunes a vision backbone by systematically exploiting both item-level and image-level similarities to drive targeted hard negative mining. Extensive empirical evaluations demonstrate that our paradigm scales seamlessly to unseen products and categories, yielding outstanding zero-shot generalization performance even in the complete absence of real-world training images for novel inventory.
• Abstract（参考訳）: 自動化された製品認識は、現代の小売インテリジェンスの基礎となっているが、実際の店内イメージと広範囲の企業カタログを正確にマッチングすることは、大規模なアプリケーションにとって大きなスケーラビリティのボトルネックである。 本研究では,従来のクローズドセット分類タスクではなく,埋め込み型クロスドメイン検索問題としてタスクを再構築することで,この問題に対処する。 具体的には、その目的を、対象の現実世界の商品問合せ作物の最も対応するカタログ参照イメージを拡大在庫から取り出すものであると定義する。 プリスタントスタジオ・パックショットと店内のノイズの多いクエリのドメインギャップを埋めるために,カタログからリアルなマルチステージコントラスト学習パラダイム(Cat2Real)を導入する。 このフレームワークは、アイテムレベルとイメージレベルの両方の類似性を体系的に利用して、ターゲットとなるハードネガティブマイニングを駆動することによって、ビジョンバックボーンを微調整する。 大規模な実証実験により、我々のパラダイムは目立たない製品やカテゴリにシームレスにスケールし、新規在庫のための実世界のトレーニング画像が完全に欠如していても、卓越したゼロショットの一般化性能が得られることが示された。

関連論文リスト

• Catalogue Photography as a Cold Start: Toward Deployable Carbide Burr Recognition [0.0]
  ドメインシフト下での産業認識パイプラインを,カタログ管理がどこまでサポートするかを検討する。 オフザシェルフ凍結機能抽出器は、頭部形状と歯面の2つのタスク属性を確実に分離しない。 最大の転送利得は、モデルスケールや表現の複雑さではなく、ドメインの感度を低下させる単純な変更によるものである。
  論文  参考訳（メタデータ） (2026-09-03T15:36:12Z)
• RealRestorer: Towards Generalizable Real-World Image Restoration with Large-Scale Image Editing Models [55.40883650570416]
  9つの一般的な実世界の劣化型をカバーする大規模なデータセットを構築した。 クローズドソースの代替品とのギャップを狭めるために、最先端のオープンソースモデルをトレーニングします。 我々のモデルは、最先端のパフォーマンスを達成し、オープンソース手法の中で第1位である。
  論文  参考訳（メタデータ） (2026-03-26T14:39:39Z)
• Visual Product Search Benchmark [0.0]
  本報告では、インスタンスレベルの画像検索のための最新の視覚埋め込みモデルの構造化されたベンチマークを示す。 オープンソースのファウンデーション埋め込みモデル、プロプライエタリなマルチモーダル埋め込みシステム、ドメイン固有の視覚のみのモデルについて評価する。 評価は後処理なしで行われ、各モデルの検索能力を分離する。
  論文  参考訳（メタデータ） (2026-03-17T22:29:03Z)
• Pailitao-VL: Unified Embedding and Reranker for Real-Time Multi-Modal Industrial Search [31.824675235862532]
  Pailitao-VLは、リアルタイム産業検索のために設計された総合的なマルチモーダル検索システムである。 我々は,現在のSOTAソリューションにおける3つの重要な課題に対処する。 この研究は、大規模生産環境に高度なMLLMベースの検索アーキテクチャを展開するための、堅牢でスケーラブルな経路を示す。
  論文  参考訳（メタデータ） (2026-02-14T10:13:48Z)
• Benchmarking Multimodal Large Language Models for Missing Modality Completion in Product Catalogues [19.732113077201326]
  製品イメージの欠如やテキスト記述など、eコマースプラットフォーム上のモダリティの欠如は、しばしばアノテーションエラーや不完全なメタデータから生じる。 マルチモーダルな大規模言語モデルは、eコマースのシナリオで製品に欠けているモダリティを生成することができるか? 本稿では,コンテンツ品質コンプリートベンチマークと推奨ベンチマークの2つのサブベンチマークからなるMMPCBenchを提案する。 我々は、Qwen2.5-VLおよびGemma-3モデルファミリーから、9つの実世界のeコマースカテゴリーの6つの最先端MLLMを評価し、焦点を当てた。
  論文  参考訳（メタデータ） (2026-01-27T16:13:26Z)
• Rethinking Composed Image Retrieval Evaluation: A Fine-Grained Benchmark from Image Editing [49.293939113428486]
  Composed Image Retrieval (CIR) はマルチモーダル理解において重要かつ複雑なタスクである。 画像編集を利用して、変更タイプや内容の正確な制御を実現し、幅広いカテゴリのクエリを合成するパイプラインを実現する。 このパイプラインを用いて、新しい粒度CIRベンチマークであるEDIRを構築する。
  論文  参考訳（メタデータ） (2026-01-22T17:26:52Z)
• ImageScope: Unifying Language-Guided Image Retrieval via Large Multimodal Model Collective Reasoning [62.61187785810336]
  ImageScopeは、トレーニング不要で3段階のフレームワークで、言語誘導の画像検索タスクを統合する。 最初の段階では,様々な意味的粒度のレベルにまたがって探索意図を合成することにより,フレームワークの堅牢性を向上させる。 第2段階と第3段階において、述語命題を局所的に検証し、一括評価を行うことにより、検索結果を反映する。
  論文  参考訳（メタデータ） (2025-03-13T08:43:24Z)
• A Survey on All-in-One Image Restoration: Taxonomy, Evaluation and Future Trends [67.43992456058541]
  画像復元(IR)は、ノイズ、ぼかし、圧縮、悪天候など幅広い要因によって生じる劣化した観察から高品質な画像の復元を目指している。 従来のIR法は、個々の劣化タイプを対象とすることで顕著な進歩を遂げてきたが、それらの特殊化は、しばしば一般化のコストがかかる。 オールインワンのイメージ復元パラダイムが最近登場し、複数の劣化タイプに順応的に対処する統一されたフレームワークを提供している。
  論文  参考訳（メタデータ） (2024-10-19T11:11:09Z)
• Exploring Fine-grained Retail Product Discrimination with Zero-shot Object Classification Using Vision-Language Models [50.370043676415875]
  スマートリテールアプリケーションでは、多数の製品とその頻繁なターンオーバーは信頼性の高いゼロショットオブジェクト分類方法を必要とする。 我々は28の異なる製品カテゴリからなるMIMEXデータセットを紹介した。 我々は、提案したMIMEXデータセット上で、最先端ビジョン言語モデル(VLM)のゼロショットオブジェクト分類性能をベンチマークする。
  論文  参考訳（メタデータ） (2024-09-23T12:28:40Z)
• Multi-output Headed Ensembles for Product Item Classification [0.9053163124987533]
  本稿では,eコマースカタログを対象としたディープラーニングに基づく分類モデルフレームワークを提案する。 我々は、ロバストな業界標準ベースラインモデルに対する改善を示す。 また,ユーザセッションを用いたモデル性能評価手法を提案する。
  論文  参考訳（メタデータ） (2023-07-29T01:23:36Z)
• An Improved Deep Learning Approach For Product Recognition on Racks in Retail Stores [2.470815298095903]
  小売店における自動製品認識は、コンピュータビジョンとパターン認識の領域における重要な現実世界のアプリケーションである。 我々は、Faster-RCNNベースのオブジェクトローカライザとResNet-18ベースのイメージエンコーダからなる2段階物体検出認識パイプラインを開発した。 各モデルは、より優れた予測のために適切なデータセットを使用して微調整され、各クエリイメージ上でデータ拡張が行われ、ResNet-18ベースの製品認識モデルを微調整するための広範なギャラリーセットが作成される。
  論文  参考訳（メタデータ） (2022-02-26T06:51:36Z)
• Region-level Active Learning for Cluttered Scenes [60.93811392293329]
  本稿では,従来の画像レベルのアプローチとオブジェクトレベルのアプローチを一般化した領域レベルのアプローチに仮定する新たな戦略を提案する。 その結果,本手法はラベル付けの労力を大幅に削減し,クラス不均衡や散らかったシーンを生かしたリアルなデータに対する希少なオブジェクト検索を改善することが示唆された。
  論文  参考訳（メタデータ） (2021-08-20T14:02:38Z)

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。