Fugu-MT 論文翻訳(概要): Spatially-Aware Class-Agnostic Object Counting

論文の概要: Spatially-Aware Class-Agnostic Object Counting

arxiv url: http://arxiv.org/abs/2607.16826v2
Date: Sun, 26 Jul 2026 13:22:36 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-28 12:52:43.689108
Title: Spatially-Aware Class-Agnostic Object Counting
Title（参考訳）: 空間認識型クラス非依存オブジェクトカウント
Abstract要約: 一般化されたオブジェクトカウントは、任意のオブジェクトカテゴリのインスタンス数を単一の画像から推定することを目的としている。空間構造をよりよく保存するためのクラス非依存カウンタである textitUpCount を提示する。
参考スコア（独自算出の注目度）: 16.49921273228317
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Generalised object counting aims to estimate the number of instances of an arbitrary object category from a single image, but many recent methods can struggle on structurally complex objects due to limited spatial modelling. We present \textit{UpCount}, a class-agnostic counter designed to better preserve spatial structure. UpCount strengthens the visual representation by extracting multi-layer features from a ViT-B/16 encoder and reassembling them into a refined multi-scale pyramid that is spatially refined using Dense Prediction Transformers and FeatUp, yielding features with improved structural and spatial sensitivity; a proposal--verification counting head then identifies repeated patterns and produces a density map for the final count. On FSC-147, UpCount achieves 12.39 MAE and 100.89 RMSE on the test set, and it transfers effectively to vehicle counting on CARPK (6.27 MAE, 8.79 RMSE). Code: https://github.com/r28112072-rgb/upcount
Abstract（参考訳）: 一般化されたオブジェクトカウントは、任意のオブジェクトカテゴリのインスタンス数を単一の画像から推定することを目的としている。空間構造をよりよく保存するために設計されたクラスに依存しないカウンタである \textit{UpCount} を提示する。 UpCountは、ViT-B/16エンコーダから多層的特徴を抽出し、それらをDense Prediction TransformersとFeatUpを用いて空間的に洗練した改良されたマルチスケールピラミッドに再組み立てすることで視覚表現を強化し、構造的および空間的感度を向上した特徴を与える。 FSC-147では、UpCountはテストセットで12.39 MAEと100.89 RMSEを達成した。コード:https://github.com/r28112072-rgb/upcount

関連論文リスト

Count Anything [41.17667085289094]
そこで,モデルが画像と自然言語クエリを入力として取り出し,対象点のインスタンスグラウンドセットを返却する。 CLOCに基づいてテキスト誘導オブジェクトカウントの一般化モデルであるCount Anythingを提案する。
論文参考訳（メタデータ） (2026-05-29T05:08:31Z)
Count Anything at Any Granularity [55.70950689938894]
KubriCountは、これまでで最大で、最も包括的な注釈付きカウントデータセットである。テキストと視覚的特徴を相補的なターゲット仕様として併用する多粒カウントモデルを訓練する。 HieraCountは、マルチグラデーションカウントの精度を大幅に改善し、現実のシナリオに対して堅牢に一般化する。
論文参考訳（メタデータ） (2026-05-11T17:32:37Z)
CountFormer: A Transformer Framework for Learning Visual Repetition and Structure in Class-Agnostic Object Counting [0.0]
人間は、クラスアイデンティティに頼るのではなく、視覚的反復と構造的関係を知覚することで、多種多様な物体を努力せずに数えることができる。本研究では,クラスに依存しないオブジェクトカウントのための繰り返しと構造的コヒーレンスを認識することを学ぶトランスフォーマーベースのフレームワークであるCountFormerを紹介する。
論文参考訳（メタデータ） (2025-10-27T19:16:02Z)
CountCluster: Training-Free Object Quantity Guidance with Cross-Attention Map Clustering for Text-to-Image Generation [8.295319152986316]
拡散に基づくテキスト・画像生成モデルは、画像の品質と多様性の点で強い性能を示している。彼らは今でも、入力プロンプトで指定されたオブジェクトの数を正確に反映した画像を生成するのに苦労している。 textitCountClusterは、入力中の指定されたオブジェクト数に応じてクラスタ化されるオブジェクトのクロスアテンションマップをガイドする手法である。
論文参考訳（メタデータ） (2025-08-14T14:53:53Z)
OmniCount: Multi-label Object Counting with Semantic-Geometric Priors [52.28092505350977]
本稿では,オープン語彙フレームワークを用いた複数のオブジェクトカテゴリの同時カウントを実現するための,より実践的なアプローチを提案する。我々のソリューションであるOmniCountは、事前訓練されたモデルから意味的および幾何学的な洞察(優先順位)を用いて、ユーザが指定した複数のカテゴリのオブジェクトをカウントすることで際立っている。 OmniCount-191の包括的な評価は、他の主要なベンチマークとともに、OmniCountの例外的なパフォーマンスを示し、既存のソリューションを大幅に上回っている。
論文参考訳（メタデータ） (2024-03-08T16:38:11Z)
NWPU-MOC: A Benchmark for Fine-grained Multi-category Object Counting in Aerial Images [64.92809155168595]
本稿では,空中画像中の異なる物体の数を推定する多カテゴリオブジェクトカウントタスクを提案する。このタスクのデータセットが存在しないことを考慮して、大規模なデータセットが収集され、解像度が1024$times$1024ピクセルの3,416のシーンで構成されている。本稿では,RGB と NIR の特徴を融合させるために,デュアルアテンションモジュールを用いたマルチスペクトル・マルチカテゴリオブジェクトカウントフレームワークを提案する。
論文参考訳（メタデータ） (2024-01-19T07:12:36Z)
Point, Segment and Count: A Generalized Framework for Object Counting [40.192374437785155]
クラスに依存しないオブジェクトカウントは、例ボックスやクラス名に関して、イメージ内のすべてのオブジェクトをカウントすることを目的としている。本稿では,検出に基づく少数ショットとゼロショットの両方のオブジェクトカウントのための一般化されたフレームワークを提案する。 PseCoは、少数ショット/ゼロショットオブジェクトカウント/検出の両方で最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2023-11-21T06:55:21Z)
Interactive Class-Agnostic Object Counting [26.480713465591453]
本フレームワークは,フィードバックを収集するユーザフレンドリなビジュアライザと,それを組み込む効率的なメカニズムの2つの主要コンポーネントから構成される。ユーザは、明らかなカウントエラーのある領域を選択し、その中の推定オブジェクト数の範囲を指定することで、フィードバックを提供することができる。 FSCD-LVIS と FSC-147 の2つの挑戦的クラス非依存オブジェクトカウントベンチマークを用いた実験により,複数の最先端ビジュアルカウンタの平均絶対誤差を,最小限のユーザ入力で約30%から40%削減できることを示した。
論文参考訳（メタデータ） (2023-09-11T07:27:32Z)
ClusTR: Exploring Efficient Self-attention via Clustering for Vision Transformers [70.76313507550684]
本稿では,密集自己注意の代替として,コンテンツに基づくスパースアテンション手法を提案する。具体的には、合計トークン数を減少させるコンテンツベースの方法として、キーとバリュートークンをクラスタ化し、集約する。結果として得られたクラスタ化されたTokenシーケンスは、元の信号のセマンティックな多様性を保持するが、より少ない計算コストで処理できる。
論文参考訳（メタデータ） (2022-08-28T04:18:27Z)
Sparse Instance Activation for Real-Time Instance Segmentation [72.23597664935684]
本稿では,リアルタイムインスタンスセグメンテーションのための概念的・効率的・完全畳み込み型フレームワークを提案する。 SparseInstは非常に高速な推論速度を持ち、COCOベンチマークで40 FPSと37.9 APを達成した。
論文参考訳（メタデータ） (2022-03-24T03:15:39Z)
TSDF++: A Multi-Object Formulation for Dynamic Object Tracking and Reconstruction [57.1209039399599]
我々は,シーン全体とその中のすべてのオブジェクトに対して,単一のボリュームを維持できるマップ表現を提案する。複数の動的オブジェクト追跡および再構成シナリオにおいて,本表現は,近接して移動する他のオブジェクトによって一時的にオクルードされても,表面の正確な再構成を維持できる。提案したTSDF++の定式化を公開合成データセット上で評価し,標準のTSDFマップ表現と比較した場合の閉塞面の復元性を示す。
論文参考訳（メタデータ） (2021-05-16T16:15:05Z)

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。