論文の概要: Detector Confidence Signals Presence Rather Than Occlusion in Cluttered Manipulation
- arxiv url: http://arxiv.org/abs/2607.13361v1
- Date: Wed, 15 Jul 2026 00:54:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.616776
- Title: Detector Confidence Signals Presence Rather Than Occlusion in Cluttered Manipulation
- Title（参考訳）: クレーター信頼度はクラッタ操作における閉塞よりも存在を示唆する
- Abstract要約: 名前のついた物体を約8分の1まで取り除き、その物体が存在するというオープンボキャブラリ検出器の自信は、ほとんど変化しない。
実際のビデオ検出器では、同じカテゴリの別のインスタンスで、隠されたフレームの99%に存在するオブジェクトを報告します。
- 参考スコア（独自算出の注目度）: 0.65268245109828
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Occlude a named object until about an eighth of it remains visible, and an open-vocabulary detector's confidence that the object is present barely changes; as the clutter around it grows the confidence can even rise. On real video the detector still reports the object present in 99% of occluded frames, on another instance of the same category. This matters because that confidence is widely read as a visibility signal, used to threshold detections, evaluate open-vocabulary detectors, ground language, retrieve instances, and gate active perception. We audit whether it reflects occlusion by pairing every view with a geometry-segmentation oracle that gives detector-free ground-truth visibility. As true visibility falls from every scene to one in eight, the confidence stays nearly constant and uncorrelated with visibility, and the detector reports the target present in about nine of ten scenes, firing on same-category distractors: it signals that the category is present somewhere, not that the specific target is visible. The failure holds across three detectors (Grounding DINO, OWLv2, and Segment Anything Model 3), nine object categories, two simulators with different renderers and object sets, built and natural occlusion, and real video. Two consequences follow: a confidence-based metric understates the value of resolving occlusion by about ten times (8 against 88 points in our active-perception setting), and a confidence-based gate fires exactly when the object is hidden. No single-view signal we tried, including a realizable localization check, flags the occlusion, because the occluders sit where the target is. We connect the effect to detector miscalibration and object hallucination, release the controlled benchmark, and recommend target-grounded signals for gating and evaluation.
- Abstract（参考訳）: 名前のついた物体を約8分の1まで取り除くと、その物体が存在するというオープンボキャブラリ検出器の自信はほとんど変化しない。
実際のビデオでは、検出器は、同じカテゴリの別のインスタンスで、隠されたフレームの99%に存在する物体をまだ報告している。
これは、信頼度が可視性信号として広く読まれ、しきい値検出、開語彙検出器の評価、接地言語、検索インスタンス、ゲートアクティブな知覚に使用されるためである。
我々は、全ビューをジオメトリー・セグメンテーション・オラクルと組み合わせることで、それが閉塞を反映しているかどうかを検査する。
真の可視性はすべてのシーンから8分の1に低下するので、信頼度はほぼ一定であり、視界とは無関係であり、検出器は10シーン中9シーン中9シーンに存在するターゲットを報告し、同一カテゴリーの注意をそらす。
この故障は、3つの検出器(DINO、OWLv2、Segment Anything Model 3)、9つのオブジェクトカテゴリ、異なるレンダラーとオブジェクトセットを持つ2つのシミュレータ、ビルドと自然な閉塞、そして実際のビデオ)にまたがる。
信頼に基づくメートル法は、物体が隠されたときに正確に点火するオクルージョンを10回(能動的知覚設定では88点に対して8回)解決する価値を下記している。
実現可能なローカライゼーションチェックを含む、私たちが試したシングルビューシグナルは、オクルーダーがターゲットの場所に座っているため、オクルージョンにフラグを付けることができません。
我々はこの効果を検出器の誤校正と物体の幻覚に結合し、制御されたベンチマークを解放し、ゲッティングと評価のためのターゲット地上信号の推奨を行う。
関連論文リスト
- REMIND: RE-Identification with Memory for INDoor Navigation [39.146761527401424]
モノクロRGB画像からの屋内ジェネリックオブジェクトの長期的多目的再識別のためのオンライントラッカー。
視覚的認知の証拠によって、人間は明示的な自己ローカライゼーションではなく、蓄積した外観の親しみと空間的コンテキストに依存している。
ScanNet++では、すべてのシーンで1つのエンドツーエンド検出を除いて、すべての設定で最高のIDF1を達成している。
論文 参考訳（メタデータ） (2026-07-10T10:30:50Z) - Knowledge-Guided Failure Prediction: Detecting When Object Detectors Miss Safety-Critical Objects [0.764671395172401]
表現に基づく監視フレームワークは、実行時に検出される異常として、ミスセーフクリティカルな検出を扱う。
重要な性質は、検出器がその能力の外で動作しているか、視覚基盤モデル自体が新しい入力に遭遇している場合、2つの埋め込みは分岐するということである。
COCO人物検出では、KGFPを選択的予測ゲートとして適用すると、FPR(False Positive Rate)の5%で64.3%から84.5%まで、受理画像中の人物のリコールが増加する。
私たちのコード、モデル、機能はhttps://gitlab.cc-asp.fraunhofer.de/iosb_public/KGFPで公開されています。
論文 参考訳（メタデータ） (2026-03-26T14:38:20Z) - Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。
本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
論文 参考訳（メタデータ） (2024-10-31T13:13:32Z) - Towards Open-World Object-based Anomaly Detection via Self-Supervised Outlier Synthesis [15.748043194987075]
この研究は、オープンワールドオブジェクト検出器とOoD検出器を仮想外周で活用することでギャップを埋めることを目的としている。
提案手法では,オブジェクト検出アーキテクチャ全体を拡張して,クラスラベルに依存することなく,異常に認識された特徴表現を学習する。
提案手法は,オブジェクトレベルの異常検出における最先端性能を確立し,自然画像の平均リコールスコアを5.4%以上向上させる。
論文 参考訳（メタデータ） (2024-07-22T16:16:38Z) - Joint Counting, Detection and Re-Identification for Multi-Object
Tracking [8.89262850257871]
混雑したシーンでは、共同検出と追跡は通常、ミスや誤検出のために正確なオブジェクト関連を見つけることができない。
混み合ったシーンに適したエンドツーエンドフレームワークであるCountingMOTで、カウント、検出、再識別を共同でモデル化する。
提案したMOTトラッカーは、オンラインとリアルタイムのトラッキングが可能で、公開ベンチマークMOT16(79.7のMOTA)、MOT17(81.3%のMOTA)、MOT20(78.9%のMOTA)の最先端結果が得られる。
論文 参考訳（メタデータ） (2022-12-12T12:53:58Z) - ObjectSeeker: Certifiably Robust Object Detection against Patch Hiding
Attacks via Patch-agnostic Masking [95.6347501381882]
物体探知機は物理的世界のパッチ隠蔽攻撃に弱いことが判明した。
我々は,堅牢なオブジェクト検出器を構築するためのフレームワークとしてObjectSeekerを提案する。
論文 参考訳（メタデータ） (2022-02-03T19:34:25Z) - Robust Region Feature Synthesizer for Zero-Shot Object Detection [87.79902339984142]
我々は,クラス内セマンティック・ディバージングコンポーネントとクラス間構造保存コンポーネントを含む,新しいゼロショットオブジェクト検出フレームワークを構築した。
リモートセンシング画像においてゼロショット物体検出を行う最初の研究である。
論文 参考訳（メタデータ） (2022-01-01T03:09:15Z) - Self-supervised object detection from audio-visual correspondence [101.46794879729453]
我々は、監視なしで物体検出器を学習する問題に取り組む。
画像レベルのクラスラベルは想定せず、代わりにオーディオビジュアルデータから監視信号を抽出します。
本研究では,航空機やネコなどの機器以外のジェネリック物体の検出を学習できることを示した。
論文 参考訳（メタデータ） (2021-04-13T17:59:03Z) - Learning to Track with Object Permanence [61.36492084090744]
共同物体の検出と追跡のためのエンドツーエンドのトレーニング可能なアプローチを紹介します。
私たちのモデルは、合成データと実データで共同トレーニングされ、KITTIおよびMOT17データセットの最先端を上回ります。
論文 参考訳（メタデータ） (2021-03-26T04:43:04Z) - Detecting Invisible People [58.49425715635312]
我々は,追跡ベンチマークを再利用し,目立たない物体を検出するための新しい指標を提案する。
私たちは、現在の検出および追跡システムがこのタスクで劇的に悪化することを実証します。
第2に,最先端の単眼深度推定ネットワークによる観測結果を用いて,3次元で明示的に推論する動的モデルを構築した。
論文 参考訳（メタデータ） (2020-12-15T16:54:45Z) - Slender Object Detection: Diagnoses and Improvements [74.40792217534]
本稿では,超高アスペクト比,すなわちtextbfslender オブジェクトの特定タイプの検出について検討する。
古典的物体検出法では、細い物体に対してのみ評価される場合、COCO上の18.9%のmAPの劇的な低下が観察される。
論文 参考訳（メタデータ） (2020-11-17T09:39:42Z) - Connecting the Dots: Detecting Adversarial Perturbations Using Context
Inconsistency [25.039201331256372]
私たちは、トレーニング中のコンテキスト整合性ルールを学習し、テスト中の同じ違反をチェックするシステムで、Deep Neural Networkを強化します。
提案手法では,各オブジェクトクラス毎に自動エンコーダのセットを構築し,追加の対向摂動がコンテキスト整合規則に違反している場合,入力と出力の差分を出力するように適切に訓練する。
PASCAL VOCおよびMS COCOを用いた実験により,本手法は種々の敵攻撃を効果的に検出し,高いROC-AUC(ほとんどの場合0.95以上)を達成することが示された。
論文 参考訳（メタデータ） (2020-07-19T19:46:45Z)
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。