論文の概要: TreeAdapter: Hierarchical Taxonomy-Guided Adapter Composition for Fine-Grained Species Image Generation
- arxiv url: http://arxiv.org/abs/2607.24215v1
- Date: Mon, 27 Jul 2026 09:47:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:15.377931
- Title: TreeAdapter: Hierarchical Taxonomy-Guided Adapter Composition for Fine-Grained Species Image Generation
- Title（参考訳）: TreeAdapter: 細粒度画像生成のための階層型分類誘導型適応器の構成
- Abstract要約: TreeAdapterは階層的な分類データを明示的に活用する新しいフレームワークである。
2段階の学習パラダイムを導入し、祖先のアダプタは、その子孫が説明していない残像のみをモデル化する。
TreeAdapterは最先端のきめ細かい生成品質を実現し、汎用性とドメイン固有のベースラインの両方を上回ります。
- 参考スコア（独自算出の注目度）: 4.373125385645128
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Although general text-to-image models excel in open-domain generation, their performance degrades significantly in specialized downstream domains, particularly when generating images of rare biological species. Hindered by long-tailed distributions, general models struggle to capture subtle fine-grained details, while per-species fine-tuning methods over-isolate individual species and consequently ignore the shared visual features among closely related taxa. To address this, we propose TreeAdapter, a novel framework that explicitly leverages hierarchical taxonomic data. Rather than using a monolithic model or independent per-species modules, TreeAdapter attaches lightweight adapters to every node of the taxonomic tree. Specifically, leaf-node adapters capture species-specific visual traits, while internal-node adapters encapsulate shared semantics among descendant taxa. We introduce a two-stage training paradigm where ancestor adapters are optimized to model only the residual visual features unexplained by their descendants. This model architecture and training paradigm enable the model to fully leverage hierarchical information, ensuring the accurate generation of visual features for each species. Extensive experiments across three large-scale biodiversity benchmarks demonstrate that TreeAdapter achieves state-of-the-art fine-grained generation quality, outperforming both general-purpose and domain-specific baselines.
- Abstract（参考訳）: 一般のテキスト・ツー・イメージ・モデルはオープン・ドメイン・ジェネレーションにおいて優れているが、その性能は特定の下流ドメイン、特に希少な生物種の画像を生成する際に著しく低下する。
長い尾の分布に悩まされ、一般的なモデルは微妙なきめ細かな詳細を捉えるのに苦労する一方、種ごとの微調整法は個々の種を過度に分解し、したがって近縁な分類群で共有される視覚的特徴を無視する。
これを解決するために,階層的な分類データを明示的に活用する新しいフレームワークであるTreeAdapterを提案する。
TreeAdapterは、モノリシックモデルや独立した個々のモジュールを使用するのではなく、軽量なアダプタを分類木の各ノードにアタッチする。
具体的には、葉ノードアダプターは種固有の視覚特性を捉え、内部ノードアダプタは子孫の分類群間の共通意味をカプセル化する。
2段階の学習パラダイムを導入し、祖先のアダプタは、その子孫が説明していない残像のみをモデル化する。
このモデルアーキテクチャとトレーニングパラダイムは、モデルを階層的な情報を完全に活用し、各種の視覚的特徴を正確に生成することを可能にする。
3つの大規模生物多様性ベンチマークによる大規模な実験により、TreeAdapterは最先端の微細な生成品質を達成し、汎用性とドメイン固有のベースラインの両方を上回ります。
関連論文リスト
- TaxaAdapter: Vision Taxonomy Models are Key to Fine-grained Image Generation over the Tree of Life [39.89855645414284]
TaxaAdapterは、視覚分類モデル(Vision Taxonomy Models, VTM)を組み込んだ、シンプルで軽量なアプローチである。
本手法は,凍結したテキスト-画像拡散モデルにVTM埋め込みを注入し,種レベルの忠実度を向上する。
以上の結果から,VTMはスケーラブルできめ細かな種生成の鍵となる要素であることが示唆された。
論文 参考訳（メタデータ） (2026-03-27T07:22:43Z) - Bridging Classical and Modern Computer Vision: PerceptiveNet for Tree Crown Semantic Segmentation [0.0]
PerceptiveNetは、トレーニング可能なフィルタパラメータを持つ対数ガボールパラメータ化畳み込み層を組み込んだ、新しいモデルである。
セグメンテーション性能に及ぼすLog-Gabor,Gabor,および標準畳み込み層の影響について検討する。
その結果,ツリークラウンデータセットの性能が向上し,最先端モデルよりも優れた結果が得られた。
論文 参考訳（メタデータ） (2025-05-29T16:11:08Z) - PhyloGen: Language Model-Enhanced Phylogenetic Inference via Graph Structure Generation [50.80441546742053]
系統樹は種間の進化的関係を解明する。
伝統的なマルコフ連鎖モンテカルロ法は、緩やかな収束と計算上の負担に直面している。
我々は、事前学習されたゲノム言語モデルを活用する新しい方法であるPhyloGenを提案する。
論文 参考訳（メタデータ） (2024-12-25T08:33:05Z) - Low-Biased General Annotated Dataset Generation [62.04202037186855]
低バイアスの一般アノテーション付きデータセット生成フレームワーク(lbGen)を提案する。
高価な手作業による収集ではなく,カテゴリアノテーションを用いた低バイアス画像を直接生成することを目的としている。
実験結果から,手動ラベル付きデータセットや他の合成データセットと比較して,生成した低バイアスデータセットの利用により,一般化能力の安定が図られた。
論文 参考訳（メタデータ） (2024-12-14T13:28:40Z) - HeGraphAdapter: Tuning Multi-Modal Vision-Language Models with Heterogeneous Graph Adapter [19.557300178619382]
本稿では,下流タスクに対するVLMのチューニングを実現するために,新しいヘテロジニアスグラフアダプタを提案する。
我々は、下流タスクの多モード構造知識を探索するために、特定の不均一グラフニューラルネットワークを用いる。
11のベンチマークデータセットの実験結果は、提案したHeGraphAdapterの有効性とメリットを示している。
論文 参考訳（メタデータ） (2024-10-10T12:20:58Z) - Tree semantic segmentation from aerial image time series [24.14827064108217]
1年以上にわたる空中データセット画像を用いて,樹木のセマンティックセグメンテーションを行う。
単体画像で訓練したモデルと時系列で訓練したモデルを比較し,木表現学がセグメンテーション性能に与える影響を評価する。
樹種分類の階層構造を,種,属,高水準の3つのレベルで予測を洗練させるカスタム・ロス・ファンクションを取り入れることで活用する。
論文 参考訳（メタデータ） (2024-07-18T02:19:57Z) - Deep Visual-Genetic Biometrics for Taxonomic Classification of Rare
Species [1.9819034119774483]
本稿では、ドメイン間の関連性を暗黙的に符号化して性能を向上させることを目的とした、協調した視覚的遺伝的推論空間を提案する。
30k以上のプランクティック・フォアミニファー貝殻の顕微鏡像に応用して,この概念の有効性を実験的に実証した。
視覚的遺伝子アライメントは、最も稀な種の視覚のみの認識に大いに有用である。
論文 参考訳（メタデータ） (2023-05-11T10:04:27Z) - Improving GANs for Long-Tailed Data through Group Spectral
Regularization [51.58250647277375]
本稿では, スペクトル爆発によるモード崩壊を防止する新しいグループスペクトル正規化器 (gSR) を提案する。
我々は,gSRが既存の拡張および正規化技術と効果的に組み合わせることで,長期化データ上での最先端の画像生成性能が向上することを発見した。
論文 参考訳（メタデータ） (2022-08-21T17:51:05Z) - Epigenetic evolution of deep convolutional models [81.21462458089142]
我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。
異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。
提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
論文 参考訳（メタデータ） (2021-04-12T12:45:16Z) - Intersection Regularization for Extracting Semantic Attributes [72.53481390411173]
本稿では,ネットワーク抽出した特徴が意味属性のセットと一致するように,教師付き分類の問題を考える。
例えば、鳥類のイメージを種に分類することを学ぶとき、動物学者が鳥類を分類するために使用する特徴の出現を観察したい。
本稿では,複数層パーセプトロン(MLP)と並列決定木を併用した,離散的なトップレベルアクティベーションを持つニューラルネットワークのトレーニングを提案する。
論文 参考訳（メタデータ） (2021-03-22T14:32:44Z) - Two-View Fine-grained Classification of Plant Species [66.75915278733197]
本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。
シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
論文 参考訳（メタデータ） (2020-05-18T21:57:47Z)
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。