論文の概要: Perturbation-Aware Diffusion-Guided Hybrid Segmentation for Robust and Annotation-Efficient Plant Stress Phenotyping
- arxiv url: http://arxiv.org/abs/2607.23680v1
- Date: Sun, 26 Jul 2026 14:28:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:15.187237
- Title: Perturbation-Aware Diffusion-Guided Hybrid Segmentation for Robust and Annotation-Efficient Plant Stress Phenotyping
- Title（参考訳）: ロバストとアノテートのための摂動型拡散誘導型ハイブリッドセグメンテーション
- Authors: Gurbhit Chaurakoti, Soumyashree Kar,
- Abstract要約: 本稿では,U-Net,DeepLabV3+,SegFormerのバックボーンが粗いマスクを生成する拡散誘導ハイブリッドセグメンテーションフレームワークを提案する。
PlantSegV3では、最高の選択されたハイブリッドモデルで、71.83%の洗練された平均インターセクション・オーバー・ユニオン(mIoU)と26.10%の洗練された境界F1を達成する。
- 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: Semantic segmentation in agricultural imagery is often evaluated under in-domain protocols, yet practical deployment requires robustness to appearance perturbations, limited annotations, and cross domain shift. This paper presents a diffusion-guided hybrid segmentation framework in which U-Net, DeepLabV3+, and SegFormer backbones generate coarse masks that are refined by Denoising Diffusion Probabilistic Models (DDPM), latent diffusion, or semantic-guided diffusion. The framework is evaluated through a 3x3 architectural screening study on PlantSegV3, followed by boundary-constrained optimization, perturbation-guided retraining, low-data evaluation, constrained hyperparameter screening, and controlled cross-domain adaptation. On PlantSegV3, the best selected hybrid model achieves 71.83% refined mean Intersection-over-Union (mIoU) and 26.10% refined Boundary-F1, and the selected models remain stable under substantially reduced supervision, demonstrating strong annotation efficiency. Perturbation analysis identifies grayscale conversion, fog, coarse dropout, and shadow as the most disruptive appearance shifts, and the resulting augmentation policy substantially improves robustness during retraining. The adapted models further show effective transfer to external agricultural datasets under limited target supervision, indicating that diffusion refinement and boundary-aware optimization provide transferable structural priors. Overall, the results show that carefully matched backbone-refiner pairings, combined with perturbation-aware retraining, can improve structural delineation and robustness under realistic resource and distribution constraints.
- Abstract（参考訳）: 農業画像のセマンティックセグメンテーションは、しばしばドメイン内のプロトコルの下で評価されるが、実際の展開には、外見の摂動、アノテーションの制限、ドメイン間のシフトに対する堅牢性が必要である。
本稿では,U-Net,DeepLabV3+,SegFormerのバックボーンが,拡散確率モデル(DDPM),潜伏拡散,意味誘導拡散によって改良された粗いマスクを生成する拡散誘導ハイブリッドセグメンテーションフレームワークを提案する。
このフレームワークは、PlanetSegV3の3x3アーキテクチャスクリーニング研究を通じて評価され、続いて境界制約付き最適化、摂動誘導リトレーニング、低データ評価、制約されたハイパーパラメータスクリーニング、制御されたクロスドメイン適応が続く。
PlantSegV3 では、最高の選択されたハイブリッドモデルは 71.83% の洗練平均値 (mIoU) と 26.10% の洗練境界値 (Bundary-F1) を達成する。
摂動解析は、グレースケールの変換、霧、粗い降下、および影を最も破壊的な外見シフトとして認識し、その結果の増大政策は、再訓練中の堅牢性を大幅に改善する。
適応されたモデルはさらに、限定された目標監督の下で外部農業データセットへの効果的な転送を示し、拡散改善と境界対応最適化が伝達可能な構造的事前を提供することを示す。
以上の結果から, 背骨-リファイナペアリングと摂動認識再トレーニングを組み合わせることで, 現実的な資源・分布制約下での構造的デライン化とロバスト性を向上させることが示唆された。
関連論文リスト
- Bound-Constrained Sparse Representation for Electrical Impedance Tomography [7.777111968538339]
本研究では、電気インピーダンストモグラフィ(EIT)のためのバウンダリ制約付きスパース表現(BC-SR)フレームワークを提案する。
BC-SRは表現駆動型戦略を採用し、暗黙の複合パラメータ化によって低次元潜在変数から導電率を生成する。
2D/3Dシミュレーション、タンク実験、および肺内データに対する広範囲な検証は、BC-SRが物理的整合性と構造的忠実性を改善することを示している。
論文 参考訳（メタデータ） (2026-05-27T12:30:24Z) - MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation [65.068801413044]
連続的なテスト時間適応は、非定常な未ラベルのターゲットストリームにソース予測モデルを適用する。
ドメインに依存しない構造をドメイン固有のテクスチャから切り離す。
論文 参考訳（メタデータ） (2026-05-18T01:52:12Z) - OmniLiDAR: A Unified Diffusion Framework for Multi-Domain 3D LiDAR Generation [100.36917520403227]
本稿では,8つの代表領域にまたがる共有範囲画像表現において,LiDARスキャンを生成する統一テキスト条件拡散フレームワークを提案する。
パブリックな統合ベンチマークがなければ、実世界のスキャンと物理ベース気象シミュレーションとシステマティックビームリダクションを組み合わせた8ドメインデータセットを構築する。
論文 参考訳（メタデータ） (2026-05-13T17:42:20Z) - HIR-ALIGN: Enhancing Hyperspectral Image Restoration via Diffusion-Based Data Generation [50.46910397782266]
ハイパスペクトル画像(HSI)の復元は、ノイズ、ぼかし、分解能損失などの劣化に悩まされるため、信頼性の高い解析に不可欠である。
本稿では,HIR-ALIGNを提案する。HIR-ALIGNは,限られたトレーニング画像と,ターゲット分布と密に一致した合成データとを付加して,ハイパースペクトル画像の復元を促進するための,プラグアンドプレイのターゲット適応型拡張フレームワークである。
論文 参考訳（メタデータ） (2026-05-13T14:14:13Z) - Discriminative-Generative Synergy for Occlusion Robust 3D Human Mesh Recovery [5.966636064805421]
単眼RGB画像からの3次元メッシュの回収は、下流の応用のために解剖学的に妥当な3次元モデルを推定することを目的としている。
本稿では,視覚変換器の識別能力と条件付き拡散モデルの生成能力を統合する脳誘発フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-20T20:31:54Z) - DOC-GS: Dual-Domain Observation and Calibration for Reliable Sparse-View Gaussian Splatting [80.43237927269575]
本稿では,新しい視点からスパースビュー3DGSの再構築について再考する。
我々は、ガウスの原始的信頼性の観測不能性として、コアチャレンジを識別する。
この観測を動機として、レンダリング画像フレームワークにおける統合されたデュアルドメイン観測と幾何学的手法を提案する。
論文 参考訳（メタデータ） (2026-04-08T07:01:24Z) - Cross-Scenario Deraining Adaptation with Unpaired Data: Superpixel Structural Priors and Multi-Stage Pseudo-Rain Synthesis [48.809049043865905]
低レベルのコンピュータビジョンでは,イメージデライン化が重要な役割を担っている。
ディープラーニングのパラダイムは、目に見えないアウト・オブ・ディストリビューションシナリオに一般化された場合、厳しいパフォーマンス劣化に悩まされることが多い。
本稿では,クロスシナリオ・デライニング適応フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-23T07:38:55Z) - IMS3: Breaking Distributional Aggregation in Diffusion-Based Dataset Distillation [41.83834685276882]
近年,拡散型データセット蒸留法は,拡散モデルの強い生成能力を活用し,多様で構造的に一貫した試料を生成することにより,大きな期待を抱いている。
Inversion-Matching (IM)は、インバージョン誘導による微調整プロセスを導入し、軌道をインバージョンと整列させ、分布範囲を広げ、多様性を高める。
Selective Subgroup Sampling(S3)は、クラス間分離性を改善するためのトレーニング不要なサンプリングメカニズムである。
論文 参考訳（メタデータ） (2026-03-14T14:15:03Z) - Co-Diffusion: An Affinity-Aware Two-Stage Latent Diffusion Framework for Generalizable Drug-Target Affinity Prediction [19.66162559968931]
Co-DiffusionはDTA予測を再定義する新しいフレームワークである。
我々は,Co-Diffusionが最先端のベースラインを著しく上回ることを示す。
論文 参考訳（メタデータ） (2026-03-11T14:47:58Z) - Boosting Fidelity for Pre-Trained-Diffusion-Based Low-Light Image Enhancement via Condition Refinement [63.54516423266521]
事前学習拡散ベース(PTDB)法は、しばしばコンテンツ忠実さを犠牲にして知覚的リアリズムを高める。
本稿では,事前学習した拡散モデルにおける条件付けのための新しい最適化手法を提案する。
我々のアプローチはプラグアンドプレイであり、より効率的な制御を提供するために既存の拡散ネットワークにシームレスに統合される。
論文 参考訳（メタデータ） (2025-10-20T02:40:06Z) - Cross-Distribution Diffusion Priors-Driven Iterative Reconstruction for Sparse-View CT [19.18392754322368]
Sparse-View CT(SVCT)の再建は、時間分解能を高め、放射線線量を減らすが、その臨床的使用は人工物によって妨げられる。
本稿では,SVCTにおけるOOD問題に対処するクロスディストリビューション拡散優先型反復再構成フレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-16T22:35:13Z)
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。
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。