論文の概要: On the Real-World Generalisability of Optical Flow Models

• arxiv url: http://arxiv.org/abs/2607.10470v1
• Date: Sat, 11 Jul 2026 20:18:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.437218
• Title: On the Real-World Generalisability of Optical Flow Models
• Title（参考訳）: 光流モデルの実世界の一般性について
• Abstract要約: 我々は,現代の光フロー推定モデルが現実世界の映像にいかに一般化するかを考察する。 我々は、実世界の評価ベンチマークを構築し、近年の幅広い光フローモデルの現実の一般性を評価する。 実験の結果,Sintel,KITTI,Springの進展は,実世界のデータの精度を弱く予測するのみであることがわかった。
• 参考スコア（独自算出の注目度）: 11.721555317343586
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real-world deployment of vision models to broadly benefit society is arguably a main research objective. In optical flow, however, the difficulty to obtain the ground truth has focused research mainly on synthetic data and domain-specific benchmarks. Here, we investigate the severity of this mismatch. We study how well modern optical flow estimation models generalise to real-world video and question if accuracy on synthetic benchmark proxies actually predicts accuracy on real-world optical flow. To address this, we build a real-world evaluation benchmark and evaluate the real-world generalisability of a broad set of recent optical flow models using standard checkpoints. Our benchmark contains 8,204 frame pairs across TAP-Flow, Slow Flow, and our own dataset FlowFactor. FlowFactor is a manually annotated real-world benchmark of 1,000 HD frame pairs organised into four confounding factors: large displacements, repetitive textures, occlusions, and lighting variation. Each setting mainly varies only one factor, enabling diagnostic, confounder-specific analysis. Using FlowFactor, we reveal that performance on varying lighting and large displacements correlates most strongly with real-world accuracy, and that improvements on large-motion regimes can trade off against robustness in small-motion, stationary scenes. Our experiments show that progress on Sintel, KITTI and Spring only weakly predicts accuracy on real-world data, highlighting the need for a broad real-world optical flow benchmark. Interestingly, scaling up the amount of training data does not necessarily resolve the gap, calling for new innovative research instead of simply scaling data and compute.
• Abstract（参考訳）: 社会に広く利益をもたらすためのビジョンモデルの現実的な展開は、間違いなく主要な研究目的である。 しかし、光学フローにおいては、基底真理を得るのが困難であることは、主に合成データとドメイン固有のベンチマークに焦点が当てられている。 ここでは、このミスマッチの深刻さについて検討する。 我々は,現代の光フロー推定モデルが実世界のビデオにどのように一般化するかを考察し,実世界の光フローの精度を実際に予測するベンチマークプロキシの精度を疑問視する。 これを解決するために,我々は,実世界の評価ベンチマークを構築し,標準的なチェックポイントを用いて,近年の幅広い光フローモデルの現実の一般化性を評価する。 私たちのベンチマークには、TAP-Flow、Slow Flow、および私たちのデータセットFlowFactorにまたがる8,204のフレームペアが含まれています。 FlowFactorは、1000のHDフレームペアを手動でアノテートした実世界のベンチマークで、大きな変位、反復的なテクスチャ、閉塞、照明のバリエーションの4つの要因にまとめられている。 それぞれの設定は、診断、共同創設者固有の分析を可能にする1つの要素のみによって大きく異なる。 FlowFactorを用いて、様々な照明性能と大きな変位特性は、現実世界の精度に最も強く相関し、大きな動きのレジームの改善は、小さな動きの静止シーンで頑健さと引き換えにできることを明らかにする。 我々の実験によると、Sintel、KITTI、Springの進歩は、現実世界のデータの精度を弱く予測することしかなく、より広い現実世界の光フローベンチマークの必要性を強調している。 興味深いことに、トレーニングデータの量のスケールアップは必ずしもギャップを解消するものではない。

関連論文リスト

• The Power of Light: Improving Synthetic-to-Real Domain Adaptation through Physically-Based Indirect Illumination [0.0]
  本稿では,照明構成と背景の複雑さが物体検出性能に与える影響を系統的に解析する。 最先端のYOLOv12フレームワークを用いた18の制御実験を通して、複雑な間接照明構成と、ドメイン関連背景変動との組み合わせにより、視覚的キューのリッチさが著しく向上することが実証された。 本研究は, 直接スペクトルピークの回避が重要な表面テクスチャを保ち, ドメインギャップを緩和し, 偽陽性を低減し, 従来の直光合成データと比較してモデル収束を加速することを示した。
  論文  参考訳（メタデータ） (2026-06-21T16:21:34Z)
• Toward Generalizable Deblurring: Leveraging Massive Blur Priors with Linear Attention for Real-World Scenarios [9.82847623835017]
  GLOWDeblurは、畳み込みベースの事前再構成とドメインアライメントモジュールと軽量な拡散バックボーンを組み合わせた、一般化可能なreaL-wOrld Light Weight Deblurモデルである。 本稿では,Blur Pattern Pretraining (BPP)を提案する。 我々はさらに、高度劣化下でぼやけた前兆を強化するためにMoSeG(MoSeG)を導入し、それをGLOWDeblur(GLOWDeblur)に統合する。
  論文  参考訳（メタデータ） (2026-01-10T11:01:31Z)
• 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)
• MAWIFlow Benchmark: Realistic Flow-Based Evaluation for Network Intrusion Detection [47.86433139298671]
  本稿では,MAWILAB v1.1データセットから得られたフローベースベンチマークであるMAWIFlowを紹介する。 得られたデータセットは、2011年1月、2016年、2021年に太平洋横断のバックボーンのトラフィックから引き出された、時間的に異なるサンプルで構成されている。 決定木、ランダムフォレスト、XGBoost、ロジスティック回帰を含む伝統的な機械学習手法は、CNN-BiLSTMアーキテクチャに基づいたディープラーニングモデルと比較される。
  論文  参考訳（メタデータ） (2025-06-20T14:51:35Z)
• Prismatic Synthesis: Gradient-based Data Diversification Boosts Generalization in LLM Reasoning [77.120955854093]
  我々は,データ多様性が言語モデルにおける一般化の強力な予測因子であることを示す。 モデル誘起勾配のエントロピーを通して多様性を定量化する計量であるG-Vendiを導入する。 多様な合成データを生成するためのフレームワークであるPrismatic Synthesisを提案する。
  論文  参考訳（メタデータ） (2025-05-26T16:05:10Z)
• Consistent World Models via Foresight Diffusion [56.45012929930605]
  我々は、一貫した拡散に基づく世界モデルを学習する上で重要なボトルネックは、最適下予測能力にあると主張している。 本稿では,拡散に基づく世界モデリングフレームワークであるForesight Diffusion(ForeDiff)を提案する。
  論文  参考訳（メタデータ） (2025-05-22T10:01:59Z)
• MicroFlow: Domain-Specific Optical Flow for Ground Deformation Estimation in Seismic Events [19.621315573734265]
  特に,暗黙の相関層に依存した深層学習モデルでは,実環境下での小さな変位を推定することが困難である。 我々のモデルは、半合成地球物理学のベンチマークを広く利用し、人為的・高分解能のセンサーで捉えた現実世界のシナリオをうまく一般化する。
  論文  参考訳（メタデータ） (2025-04-18T04:10:40Z)
• Can We Theoretically Quantify the Impacts of Local Updates on the Generalization Performance of Federated Learning? [50.03434441234569]
  フェデレートラーニング(FL)は、直接データ共有を必要とせず、さまざまなサイトで機械学習モデルをトレーニングする効果により、大きな人気を集めている。 局所的な更新を伴うFLは通信効率のよい分散学習フレームワークであることが様々なアルゴリズムによって示されているが、局所的な更新によるFLの一般化性能は比較的低い。
  論文  参考訳（メタデータ） (2024-09-05T19:00:18Z)
• The Devil in the Details: Simple and Effective Optical Flow Synthetic Data Generation [19.945859289278534]
  本稿では,光学フローデータセットの要求特性が比較的単純であり,簡易な合成データ生成法を提案する。 2次元動きに基づくデータセットでは、合成データセットを生成するための最も単純だが重要な要素を体系的に分析する。
  論文  参考訳（メタデータ） (2023-08-14T18:01:45Z)
• Imposing Consistency for Optical Flow Estimation [73.53204596544472]
  プロキシタスクによる一貫性の導入は、データ駆動学習を強化することが示されている。 本稿では,光フロー推定のための新しい,効果的な整合性戦略を提案する。
  論文  参考訳（メタデータ） (2022-04-14T22:58:30Z)

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。