論文の概要: Leak-Free Cross-Validated Stacking with Per-Architecture Calibration for Sand-Boil Segmentation in Earthen Levees

• arxiv url: http://arxiv.org/abs/2607.25367v1
• Date: Tue, 28 Jul 2026 07:21:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.742713
• Title: Leak-Free Cross-Validated Stacking with Per-Architecture Calibration for Sand-Boil Segmentation in Earthen Levees
• Title（参考訳）: 地中レーブの砂質セグメンテーションのための構造ごとの校正による漏れのないクロスバリデード積層
• Abstract要約: 砂の沸騰は、土の堤防の下にある水が地表に再沈み込む地点であり、初期の内部浸食の警告である。 ディープセグメンテーションネットワークは、検査写真でそれらを見つけるためにますます利用されている。 その不足に対処する2つの一般的な方法は、正確さを秘かに報告している。 両抜け穴を塞ぐ砂岩層セグメンテーションフレームワークを提案する。
• 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: Sand boils, points where water seeping beneath an earthen levee re-emerges at the surface, are early warnings of internal erosion, and deep segmentation networks are increasingly used to find them in inspection photographs. Annotated examples are scarce, and two common ways of working around that scarcity quietly inflate reported accuracy: tuning ensemble weights on the same images later used to score them, and training on synthetic images derived from the very photographs held out for testing. We present a sand-boil segmentation framework that closes both loopholes. Every synthetic image carries a pointer to its real parent, and a per-fold filter excludes any image whose parent is held out; five encoder-decoder backbones are trained under five-fold cross-validation, calibrated by one temperature scalar each, and combined by a per-pixel meta-learner fitted only on out-of-fold predictions. On the held-out test set the proposed Updated SandBoilNet reaches an intersection-over-union of 0.707 over three seeds, against 0.608 for the published original re-evaluated on the same split. Under the stacking protocol the calibrated stack reaches 0.681 against 0.694 for the strongest fold-averaged member, so it does not improve on the best single model; eight meta-learner families reproduce that outcome, which we trace to a mean pairwise error correlation of 0.894 among members. A synthetic pool filtered for label fidelity lifts the champion to 0.718 over three seeds against a 0.707 control. We also introduce a mask-conditioned synthesis route that makes the conditioning mask the label by construction, giving labelled training images at zero annotation cost.
• Abstract（参考訳）: 砂の沸騰は、土の堤防が地表に再沈み込む地点であり、内部浸食の早期警告であり、深層セグメンテーションネットワークは検査写真でそれらを見つけるのにますます使われている。 注記された例は少なく、その不足が報告された正確さをひそかに回避する2つの一般的な方法は、同じ画像にアンサンブルの重みを調整してスコア付けし、テストのために撮影された写真から得られた合成画像のトレーニングである。 両抜け穴を塞ぐ砂岩層セグメンテーションフレームワークを提案する。 それぞれの合成画像は実親へのポインタを持ち、折りたたみフィルターは親が持たない任意のイメージを除外する。5つのエンコーダ・デコーダのバックボーンは5倍のクロスバリデーションでトレーニングされ、1つの温度スカラーで校正され、1ピクセルあたりのメタラーナーで組み合わせられる。 ホールドアウトテストセットでは、提案されたUpdated SandBoilNetが3つの種に対して0.707の交叉結合に達した。 スタック化プロトコルでは,最強の折り畳み平均部材は0.681対0.694であり,最高の単一モデルでは改善されない。 ラベルの忠実性のためにフィルターされた合成プールは、0.707の制御に対して3つの種に対してチャンピオンを0.718まで引き上げる。 また、マスク条件付き合成経路を導入し、コンディショニングマスクを製作によりラベル付けし、ラベル付きトレーニングイメージをアノテーションのコストゼロで提供する。

関連論文リスト

• Automated Perceptually-Motivated Assessment of Photographic Consistency in Paired Clinical Photographs: Pipeline Development and Internal Evaluation [0.0]
  我々は、13のキャリブレーションされたサブメトリックにまたがるプレ/ポストペアを分析するパイプラインを開発した。 パイプラインは、患者内公開のプレ/ポストペア134に適合し、同一イメージペア、合成・摂動ペア134とミスマッチしたクロスパブリケーションペア134に対して評価された。
  論文  参考訳（メタデータ） (2026-09-14T07:19:17Z)
• Support Operation Factorization: Compositional Readout of Frozen Vision Encoders under Controlled Interventions [87.95757610455173]
  我々は、x演算グリッドとSO-OPFをサポートするために、インジェクティブに整合した残余セルアウトプロトコルを導入する。 グリッドが分かっているときにキャリアがホールドアウトバインディングを構成するかどうか、フラットなセルラベルからグリッドを回収できるかどうかという2つの質問を分離する。
  論文  参考訳（メタデータ） (2026-08-06T15:38:55Z)
• Synthetic and Derived Training Images for Campus Waste Detection: A Multi-Seed Evaluation with YOLOv8n [0.0]
  ビンマウントカメラは、アイテムが捨てられたときにフィードバックを提供することができる。 合成画像と導出画像がYOLOv8n検出器を改良するかどうかを検討した。
  論文  参考訳（メタデータ） (2026-07-21T19:30:57Z)
• Lost in Visual Translation: A VLM-Assisted Perceptual-Semantic Coherence Framework for EEG-to-Image Reconstruction [0.10499611180329804]
  EEG-to-image評価は、視覚的忠実度と回復可能な意味を区別すべきである。 SSIM、LPIPS、CLIPは意味的に回復可能な出力や報奨を罰する。 我々はATM、ENIGMA、BrainVis、DreamDiffusionから6,855個の地上構造/再構成ペアを解析した。
  論文  参考訳（メタデータ） (2026-07-14T05:40:23Z)
• A Modelling and Evaluation Framework for EuroCrops-Driven Sentinel-2 Crop Segmentation [78.66324246922831]
  本研究では,Sentinel-2イメージとEuroCropsパーセルレベルのアノテーションからセマンティックセグメンテーション対応農業データセットを生成するパイプラインを提案する。 このデータセットには、ヨーロッパ5カ国から67,337のパッチが含まれており、10種類の作物と背景の分類を減らしている。 The four-level U-Net with Group Normalization were training using 10 Sentinel-2 spectrum bands and a Composite loss with class-weighted cross-entropy and Dice loss。
  論文  参考訳（メタデータ） (2026-05-30T11:20:29Z)
• The frame-level leakage trap: rethinking evaluation protocols for intrinsic image decomposition, with source-separable uncertainty as a case study [0.0]
  3つのアーキテクチャで、初めてリーク効果を定量化します。 フレームレベルスプリットは、シーンレベルスプリットに対してR_PSNRを1.6〜2.0dB膨張させる。 我々は、S + N で構成された物理インフォームド分解 I = R を、ソース分離可能な三方向不確実性ヘッドで表現する。
  論文  参考訳（メタデータ） (2026-05-07T14:37:16Z)
• OPTED: Open Preprocessed Trachoma Eye Dataset Using Zero-Shot SAM 3 Segmentation [0.0]
  サハラ以南のアフリカは世界の負担の85%以上を占め、エチオピアだけでも全症例の半数以上を占めている。 しかし、自動トラコマ分類のための公開済みの事前処理データセットは乏しく、最も影響を受けた地域に由来するものはない。 本稿では,Segment Anything Model 3 (SAM3) を用いて構築した,オープンソースで事前処理されたトラコマアイデータセットであるOPTEDについて述べる。
  論文  参考訳（メタデータ） (2026-03-06T21:07:08Z)
• CLIPure: Purification in Latent Space via CLIP for Adversarially Robust Zero-Shot Classification [65.46685389276443]
  画像とテキストプロンプトをマッチングすることでゼロショット分類を行うことができる、視覚言語で事前訓練されたエンコーダモデルであるCLIPについて検討する。 次に, 共分散精製プロセス間のKL分散として精製リスクを定式化する。 画像の潜伏ベクトルの確率をモデル化するCLI-Diffと、画像の埋め込みとaの写真とのコサイン類似度をモデル化するCLI-Cosの2つのバリエーションを提案する。
  論文  参考訳（メタデータ） (2025-02-25T13:09:34Z)
• Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
  病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。 核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。 提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
  論文  参考訳（メタデータ） (2023-01-24T17:54:01Z)
• Multi-View Correlation Consistency for Semi-Supervised Semantic Segmentation [59.34619548026885]
  半教師付きセマンティックセグメンテーションは、ラベルなしデータのリッチで堅牢な監視を必要とする。 本稿では,異なるビュー間の画素・画素対応を保証するビューコヒーレントなデータ拡張戦略を提案する。 2つのデータセットの半教師付き設定では、最先端の手法と比較して、競争の正確さが報告される。
  論文  参考訳（メタデータ） (2022-08-17T17:59:11Z)
• (Certified!!) Adversarial Robustness for Free! [116.6052628829344]
  逆方向の摂動が0.5の2ノルム以内であることに制約された場合,ImageNetでは71%の精度が証明された。 これらの結果は,モデルパラメータの微調整や再学習を必要とせず,事前学習した拡散モデルと画像分類器のみを用いて得られる。
  論文  参考訳（メタデータ） (2022-06-21T17:27:27Z)

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。