論文の概要: Track-Leakage-Free Hold-Out Self-Validation for Photogrammetric Reconstruction: Protocol, Sensitivity, and Limits
- arxiv url: http://arxiv.org/abs/2607.24852v1
- Date: Sat, 25 Jul 2026 17:00:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.553782
- Title: Track-Leakage-Free Hold-Out Self-Validation for Photogrammetric Reconstruction: Protocol, Sensitivity, and Limits
- Title（参考訳）: 光グラム再構成のためのトラックリークフリーホールドアウト自己バリデーション:プロトコル,感度,限界
- Abstract要約: 我々は3次元再構成のためのトラックリードフリーホールドアウトプロトコルを定式化する。
絶対精度ではなく、内部の一貫性を測定する。
障害が内部の一貫性を損なう場合にのみ、全体的な障害をフラグする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automated photogrammetric inspection emits metric measurements from a 3D reconstruction whose own correctness is normally unknown without an external survey. Can a reconstruction estimate its own reliability with no ground truth? We formalise a track-leakage-free hold-out protocol: a deterministic subset of images is withheld and each re-localised against only 3D points seen by at least two retained images -- a track-level barrier so a view is never tested against structure it helped create -- aggregated into an mAA confidence. Held-out observations still entered the bundle adjustment that built the trusted structure, so we call it track-leakage-free (a stricter re-mapping variant confirms this at 3/5 deg). Across operational GNSS-referenced captures plus ETH3D, EuRoC and the IMC 2025 benchmark we report four findings. (i) The protocol is computationally well-posed: good reconstructions score millidegree self-consistency. (ii) Thresholded self-consistency saturates and does not track absolute accuracy: confidence stays near 1.00 while true RTK error swings up to 14x within a capture, and the per-capture correlation is sign-unstable across five captures (-0.57 to +0.98; pooled 95% CI spanning zero), so it cannot gate accuracy. (iii) It flags gross failure only when the failure destroys internal consistency: a fragmenting model drops confidence, but a single self-consistent, globally-distorted model evades it -- three of four captures gave one model wrong by 55-106 m at confidence 1.00. (iv) The same dichotomy holds on independent ETH3D and IMC 2025 ground truth. Track-leakage-free hold-out measures internal geometric consistency, not absolute accuracy: neither a substitute for control-point assessment nor a general gross-failure gate. We release the protocol and degradation harness.
- Abstract（参考訳）: 自動測光検査は、外部のサーベイなしで、通常、自身の正しさが不明な3次元再構成から測定値を出力する。
再建は、根拠のない信頼性を見積もることができるか?
画像の決定論的サブセットは、少なくとも2つの保持されたイメージで見られる3Dポイント(トラックレベルの障壁である)に対して保持されず、それぞれが再ローカライズされる。
信頼できる構造を構築したバンドル調整には、まだHeld-outの観測結果が組み込まれているため、トラックレカジフリーと呼ばれている(より厳密な再マッピング変種では、これを3/5デグで確認する)。
ETH3D, EuRoC, IMC 2025 の4つの結果が報告された。
(i)このプロトコルは計算的によく考えられている: 良好な再構成はミリディグリーの自己整合性を評価する。
信頼度は1.00に近づき、真のRTKエラーはキャプチャ内で14xに変動し、キャプチャごとの相関は5つのキャプチャ(-0.57から+0.98;プールされた95%CIが0にまたがる)でサインアンスタブルであるため、ゲート精度は得られない。
3) 障害が内部の一貫性を損なう場合にのみ、全体的な障害を警告する。フラグメンテーションモデルは信頼性を低下させるが、単一で一貫性があり、グローバルに歪んだモデルがそれを回避している。
(4)独立ETH3DとIMC 2025の接地真理に同じ二分法が当てはまる。
トラックリードフリーホールドアウトは、絶対精度ではなく、内部の幾何学的整合性を測定する。
プロトコルと劣化ハーネスを解放します。
関連論文リスト
- A New Kind of Adversarial Example: Measuring the Human-Model Gap, and Its Relationship to OOD Detection [18.313155919803034]
大きく、はっきりと見える摂動は、人間がもはや画像を認識しないにもかかわらず、モデルが元の正しい予測を維持する原因となる。
我々は、人間がモデルよりも本当に悪いパフォーマンスをしているか、標準配当(OOD)検出と校正ツールがそれをキャッチしているか、既存の防御がそれを緩和するかどうかを答える。
論文 参考訳（メタデータ） (2026-07-22T00:44:06Z) - Does Super-Resolution Preserve Defect Evidence? A Low-False-Call Benchmark for Semiconductor Inspection [4.906746849209501]
超高解像度は、欠陥を検出するのに必要な証拠を保存せずに、検査画像をよりシャープに見せることができる。
本研究では,検出から再構成を分離したベンチマークを用いて,この故障モードを事前に宣言された低偽陽性率で評価する。
論文 参考訳（メタデータ） (2026-07-19T20:22:55Z) - Conformal Orbit-Valid Trust Horizons for Equivariant World Models [6.230579198456525]
グループ対称性を持つ潜在世界モデルに対する信頼-水平認証について検討する。
安定監査50点中0点の反保守的違反を観察する。
論文 参考訳（メタデータ） (2026-06-23T06:44:27Z) - What Accuracy and Gradient Cosine Miss: Evaluating Feedback Alignment via Scale Stability, Reference Validity, and Depth Utility [48.10132234701036]
本稿では,3つのチェック(スケール安定性,参照妥当性,深度ユーティリティ)に基づく診断評価プロトコルを提案する。
複数のアーキテクチャや手法にまたがって、我々のプロトコルは広い校正マージンを持つ全ての障害を識別する。
論文 参考訳（メタデータ） (2026-06-19T06:04:17Z) - Discovery of Hidden Miscalibration Regimes [52.452902154360565]
モデルは何らかの入力を体系的に過信し、他人を過信することがある。
対応する誤校正分野を定義し,それを推定するための診断フレームワークを提案する。
提案手法は,入力空間のキャリブレーションを意識した表現を学習し,学習幾何学におけるカーネルの平滑化による符号付き局所的誤校正を推定する。
論文 参考訳（メタデータ） (2026-05-13T13:07:50Z) - The Illusion of Certainty: Decoupling Capability and Calibration in On-Policy Distillation [67.26315138466312]
モデルロールアウトから経験的信頼性を推定するキャリブレーション対応のOPDフレームワークであるCaOPDを提案する。
本研究は, 能力蒸留が信頼性を示唆するものではないこと, 信頼性をポストトレーニングの本質的な目的として扱うべきであることを明らかにする。
論文 参考訳（メタデータ） (2026-04-18T04:43:40Z) - Automated Self-Testing as a Quality Gate: Evidence-Driven Release Management for LLM Applications [51.56484100374058]
我々は,エビデンスに基づくリリース決定を伴う品質ゲートを導入する自動自己テストフレームワークを提案する。
内部展開型多エージェント対話型AIシステムの縦型ケーススタディにより,本フレームワークの評価を行った。
論文 参考訳（メタデータ） (2026-03-13T20:44:15Z) - CARE What Fails: Contrastive Anchored-REflection for Verifiable Multimodal [84.71254539482369]
検証可能な報酬を伴うグループ相対的強化学習(RLVR)は、しばしば、すでに失敗している最も情報に富むデータを浪費する。
エラーを監督するマルチモーダル推論のための,障害中心のポストトレーニングフレームワークであるCAREを提案する。
CAREは正確さを改善し、スムーズさをトレーニングすると同時に、障害からの学習信号のシェアを明示的に増やします。
論文 参考訳（メタデータ） (2025-12-22T16:34:21Z) - Disproving the Feasibility of Learned Confidence Calibration Under Binary Supervision: An Information-Theoretic Impossibility [2.1485350418225244]
ニューラルネットワークは、正しい/不正確な監視を使用してトレーニングされた場合、有意義な多様性で適切に校正された信頼推定を同時に学習することはできない。
これは、方法論的な失敗ではなく、情報理論的な制約であることを示す。
本稿では,アンサンブル不一致と適応型マルチエージェント学習を用いた新しい指導パラダイムを提案する。
論文 参考訳（メタデータ） (2025-09-17T19:43:45Z) - POCO: 3D Pose and Shape Estimation with Confidence [99.91683561240549]
我々は,HPSレジストレーターをトレーニングする新しいフレームワークPOCOを開発し,人体だけでなく,その信頼性も評価した。
具体的には、POCOは3Dボディポーズとサンプルごとのばらつきの両方を推定する。
あらゆるケースにおいて、不確実性について推論するためにネットワークをトレーニングすることは、より正確に3Dのポーズを推定するのに役立つ。
論文 参考訳（メタデータ） (2023-08-24T17:59:04Z) - TRUST-LAPSE: An Explainable and Actionable Mistrust Scoring Framework
for Model Monitoring [4.262769931159288]
連続モデル監視のための"ミストラスト"スコアリングフレームワークであるTRUST-LAPSEを提案する。
我々は,各入力サンプルのモデル予測の信頼性を,潜時空間埋め込みのシーケンスを用いて評価する。
AUROCs 84.1 (vision), 73.9 (audio), 77.1 (clinical EEGs)
論文 参考訳（メタデータ） (2022-07-22T18:32:38Z)
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。