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/2607.24852v3
- Date: Sat, 01 Aug 2026 09:55:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 21:56:46.341522
- 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
- Authors: Behnam Asadi,
- Abstract要約: 画像再構成のためのトラックレカジフリーホールドアウトプロトコルを定式化する。
我々は、5つの基準撮影、13のETH3Dレーザースキャンシーン、EuRoC飛行、30のIMC 2025シーンで評価した。
- 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 reconstructions whose correctness is normally unknown without an external survey. Can a reconstruction estimate its own reliability with no ground truth, and what would such an estimate measure? We formalise a track-leakage-free hold-out protocol: a deterministic image subset is withheld, and each withheld view is re-localised by resection against only those 3D points supported by at least two retained images, so no view is tested against structure it helped create. We evaluate it on five GNSS-referenced captures (four RTK-fixed) across four sites, 13 ETH3D laser-scan scenes, a EuRoC flight, and 30 IMC 2025 scenes. The protocol is computationally well-posed -- good reconstructions score near-perfect self-consistency (median rotation error 0.003 deg) -- but it does not measure accuracy, for a structural rather than statistical reason. It saturates: confidence stays pinned at 1.00 while true error swings 14.1x within a single capture, and holds at 1.00 on survey-grade truth at 3.4 m, 4.3 m, and 1.7 m / 13 deg. It is blind to coherent distortion: corruption that fragments a reconstruction is caught (1.00 -> 0.96), but corruption yielding a single, internally self-consistent, globally distorted model is not -- at three of four captures such models were wrong by 55-106 m at confidence 1.00. On IMC 2025 the same dichotomy appears with no injected degradation: confidence separates failed from successful reconstructions (rho = 0.68) yet ranks nothing among the successful ones (rho = 0.01). A capture-level meta-analysis of the continuous signal is underpowered and sign-unstable (k = 5, 95% CI [-0.45, +0.75]); the negative result does not rest on it. Track-leakage-free hold-out therefore measures internal geometric consistency: a qualitative fragmentation warning, not a substitute for control-point accuracy assessment.
- Abstract（参考訳）: 自動測光検査は、通常、外部調査なしで正確さが不明な再建物からメートル法を出力する。
再建は、根拠のない信頼度を見積もることができるのか。
決定論的画像サブセットは保持されず、保持されていないビューは、少なくとも2つの保持された画像でサポートされているこれらの3Dポイントのみに対して再配置されるため、生成する構造に対してビューはテストされない。
GNSS-referenced captures (four RTK-fixed) across four sites, 13 ETH3D laser-Scan scene, a EuRoC flight, and 30 IMC 2025 scene。
完全な自己整合性(中間回転誤差0.003 deg)の良好な再構成は、計算に精通しているが、統計的な理由よりも構造的な理由から精度を測るものではない。
信頼は1.00で固定され、真のエラーは1回のキャプチャで14.1倍、調査グレードの真理は3.4m、4.3m、1.7m / 13 degで保持される。
復元の破片が捕捉される汚損(1.00 -> 0.96)は目立たないが、内部的に一貫性があり、グローバルに歪んだ1つのモデルを生み出す汚損は、信頼1.00で55-106mの精度で誤りを犯した4つの捕獲のうち3つのモデルのうちの3つにおいて、決して発生しない。
IMC 2025では、同じ二分法が注入された劣化を伴わずに現れる: 信頼は再建の成功(rho = 0.68)から失敗するが、成功(rho = 0.01)とは無関係である。
連続信号のキャプチャレベルのメタ分析は低出力であり、符号不安定(k = 5, 95% CI [-0.45, +0.75])である。
したがって、トラックリードフリーホールドアウトは内部の幾何学的整合性を測定する:定性的なフラグメンテーション警告であり、制御点精度評価の代用ではない。
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。