論文の概要: Multimodal Semantic-Probabilistic Objectness for Open World Object Detection

• arxiv url: http://arxiv.org/abs/2607.23981v1
• Date: Mon, 27 Jul 2026 04:12:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.304763
• Title: Multimodal Semantic-Probabilistic Objectness for Open World Object Detection
• Title（参考訳）: オープンワールドオブジェクト検出のためのマルチモーダル・セマンティック・確率的対象性
• Abstract要約: MSPOは、オープンワールドオブジェクト検出のためのセマンティックキャリブレーションフレームワークである。 OWODをオープン語彙の分類に変えることなく、未知の予測と未知の予測を校正する。 また、初期の未知の融合測定値を改善し、PASCAL VOCの最終mAPを最大2.7ポイント引き上げる。
• 参考スコア（独自算出の注目度）: 2.7962583061246327
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Open-world object detection (OWOD) requires a detector to recognize known categories, discover unnamed objects from unseen categories, and incrementally learn newly annotated classes. PROB improves unknown discovery by modeling class-agnostic probabilistic objectness in the decoder-query space. However, visual objectness alone cannot determine whether an object-like query corresponds to a hard known instance, an unseen-category object, or background clutter, resulting in an ambiguous known-unknown decision boundary. We propose MSPO, a lightweight semantic calibration framework that augments PROB with task-aware known-category language priors while preserving its detector architecture and incremental learning protocol. For each currently known category, MSPO constructs an extended text description covering category attributes, visual appearance, typical scenes, and functional usage, and encodes it using a frozen CLIP text encoder. Decoder query features are projected into the same semantic space to estimate their support from the current known-category semantics. This semantic evidence is fused with PROB's visual objectness to calibrate known and unknown predictions without turning OWOD into open-vocabulary classification. Importantly, MSPO never uses future-category names, and all unseen categories remain unnamed during evaluation. Experiments on M-OWODB and S-OWODB show that MSPO improves the strong PROB baseline on the main aggregate metrics while retaining competitive unknown recall. It also improves early unknown-confusion metrics and raises PASCAL VOC final mAP by up to 2.7 points. These results demonstrate that known-category language semantics provide an effective calibration signal for probabilistic objectness under the standard OWOD setting.
• Abstract（参考訳）: オープンワールドオブジェクト検出(OWOD)では、既知のカテゴリを認識し、未知のカテゴリから名前のないオブジェクトを検出し、新たに注釈付けされたクラスを漸進的に学習する必要がある。 PROBはデコーダ・クエリ空間におけるクラスに依存しない確率的オブジェクト性をモデル化することで未知の発見を改善する。 しかし、視覚的オブジェクト性だけでは、オブジェクトのようなクエリが、難しい既知のインスタンス、見えないカテゴリオブジェクト、あるいはバックグラウンドのクラッタに対応するかどうかを判断できないため、曖昧な未知の決定境界が生じる。 我々は,タスク対応の既知のカテゴリ言語でPROBを拡張する軽量なセマンティックキャリブレーションフレームワークであるMSPOを提案し,その検出アーキテクチャと漸進学習プロトコルを保存した。 現在知られているカテゴリごとに、MSPOはカテゴリ属性、視覚的外観、典型的なシーン、機能的使用を含む拡張されたテキスト記述を構築し、冷凍のCLIPテキストエンコーダを使用してエンコードする。 デコーダクエリ機能は、現在の既知のセマンティクスからサポートを推定するために、同じセマンティクス空間に投影される。 この意味的証拠は、OWODをオープン語彙分類に変換することなく、既知の未知の予測を校正するPROBの視覚的対象性と融合している。 重要なことは、MSPOは将来のカテゴリ名を使用しず、未確認のカテゴリはすべて評価中に未命名のままである。 M-OWODBとS-OWODBの実験は、MSPOが競合する未知のリコールを維持しながら、主要な集計指標の強いPROBベースラインを改善していることを示している。 また、初期の未知の融合測定値を改善し、PASCAL VOCの最終mAPを最大2.7ポイント引き上げる。 これらの結果は、既知のカテゴリ言語セマンティクスが、標準的なOWOD設定下での確率的目的性に対して効果的なキャリブレーション信号を提供することを示す。

関連論文リスト

• Hyp2Former: Hierarchy-Aware Hyperbolic Embeddings for Open-Set Panoptic Segmentation [19.04466519384799]
  Open-Set Panoptic (OPS)は、未知のオブジェクトを独立したインスタンスとして識別しながら、既知のものやクラスを分割することを目的としている。 事前のアプローチは、既知のカテゴリをフラットなラベル集合として扱い、未知のオブジェクトと分布しないクラスを区別するための貴重な構造的事前情報を提供する意味的階層を無視している。 我々は,OPSのエンドツーエンドフレームワークであるHyp2Formerを提案する。
  論文  参考訳（メタデータ） (2026-05-04T13:33:43Z)
• GUIDED: Granular Understanding via Identification, Detection, and Discrimination for Fine-Grained Open-Vocabulary Object Detection [54.19989440021701]
  細粒度オープン語彙オブジェクト検出(FG-OVD)は属性リッチテキストで記述された新しいオブジェクトカテゴリを検出することを目的としている。 FG-OVDは、非絡み合いモデリングとモジュラー最適化の利点を実証し、新しい最先端の結果を達成する。
  論文  参考訳（メタデータ） (2026-03-27T22:08:11Z)
• WeDetect: Fast Open-Vocabulary Object Detection as Retrieval [74.39703419628829]
  Open-vocabularyオブジェクト検出は、テキストプロンプトを通じて任意のクラスを検出することを目的としている。 クロスモーダル融合層(ノンフュージョン)を持たない手法は、認識を検索問題として扱うことにより、より高速な推論を提供する。 WeDetectという名前のモデルファミリを開発し、推論効率の高い15ベンチマークで最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-12-13T12:40:28Z)
• TARO: Toward Semantically Rich Open-World Object Detection [9.59690330728612]
  TAROは未知のオブジェクトを識別し、セマンティック階層内の粗い親カテゴリに分類する新しい検出フレームワークである。 TAROは,未知のクラスを29.9%まで有意な粗いクラスに分類し,未知のクラスと未知のクラスとの混同を著しく低減し,未知のリコールと既知のmAPの両方において競合性能を達成できることを示す。
  論文  参考訳（メタデータ） (2025-10-10T09:15:26Z)
• A Novel Decomposed Feature-Oriented Framework for Open-Set Semantic Segmentation on LiDAR Data [6.427051055902494]
  本稿では,LiDARデータのオープンセットセマンティックセマンティックセグメンテーションのための特徴指向フレームワークを提案する。 閉集合セマンティックセマンティックセグメンテーションを同時に実行し、未知のオブジェクトに特有の特徴を生成するために、デュアルデコーダネットワークを設計する。 近接したセマンティックセグメンテーションと異常検出の結果を統合することで、効率的な特徴駆動型LiDARオープンセットセマンティックセグメンテーションを実現する。
  論文  参考訳（メタデータ） (2025-03-14T05:40:05Z)
• Generative Region-Language Pretraining for Open-Ended Object Detection [55.42484781608621]
  我々は,高密度物体を検出し,その名前を自由形式の方法で生成できるGenerateUというフレームワークを提案する。 本フレームワークはオープン語彙オブジェクト検出手法GLIPに匹敵する結果が得られる。
  論文  参考訳（メタデータ） (2024-03-15T10:52:39Z)
• Hyp-OW: Exploiting Hierarchical Structure Learning with Hyperbolic Distance Enhances Open World Object Detection [23.005760505169803]
  オープンワールドオブジェクト検出は難しくて現実的なタスクです。 既知の物体と未知の物体の両方を検出する。 本稿では,既知の項目の階層的表現を学習し,モデル化するHyp-OWを提案する。
  論文  参考訳（メタデータ） (2023-06-25T16:45:20Z)
• Open World DETR: Transformer based Open World Object Detection [60.64535309016623]
  そこで我々は,Deformable DETRに基づくオープンワールドオブジェクト検出のための2段階学習手法Open World DETRを提案する。 モデルのクラス固有のコンポーネントを多視点の自己ラベル戦略と一貫性制約で微調整する。 提案手法は、他の最先端のオープンワールドオブジェクト検出方法よりも大きなマージンで優れている。
  論文  参考訳（メタデータ） (2022-12-06T13:39:30Z)
• RbA: Segmenting Unknown Regions Rejected by All [1.3381749415517021]
  マスク分類におけるオブジェクトクエリは、1対全分類器のように振る舞う傾向があることを示す。 本稿では,RbA と呼ばれる新しい外れ値スコアリング関数を提案する。 実験の結果,マスクの分類により既存の外乱検出法の性能が向上し,提案したRbAで最良の結果が得られた。
  論文  参考訳（メタデータ） (2022-11-25T18:50:04Z)
• OW-DETR: Open-world Detection Transformer [90.56239673123804]
  オープンワールドオブジェクト検出のための新しいエンドツーエンドトランスフォーマーベースのフレームワークOW-DETRを提案する。 OW-DETRは3つの専用コンポーネント、すなわち注目駆動の擬似ラベル、新規性分類、オブジェクトネススコアから構成される。 我々のモデルは、最近導入されたOWODアプローチであるOREよりも優れており、リコールの度合いは1.8%から3.3%である。
  論文  参考訳（メタデータ） (2021-12-02T18:58:30Z)
• Objects in Semantic Topology [36.297624587122506]
  認定されたオープンワールドオブジェクト検出器は、既知のカテゴリのオブジェクトを識別できるだけでなく、未知のオブジェクトも発見できる。 我々は統一された視点:意味的トポロジーを提供する。 実験により、ランダムに生成されたか、十分に訓練された言語モデルから派生したセマンティックトポロジーが、現在の最先端のオープンワールドオブジェクト検出器より優れていることが示された。
  論文  参考訳（メタデータ） (2021-10-06T12:15:30Z)
• Synthesizing the Unseen for Zero-shot Object Detection [72.38031440014463]
  そこで本研究では,視覚領域における視覚的特徴と視覚的対象の両方を学習するために,視覚的特徴を合成することを提案する。 クラスセマンティックスを用いた新しい生成モデルを用いて特徴を生成するだけでなく,特徴を識別的に分離する。
  論文  参考訳（メタデータ） (2020-10-19T12:36:11Z)

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。