論文の概要: Déjà Cue: Localizing States in Object Histories via Vocabulary-Relative Coordinates

• arxiv url: http://arxiv.org/abs/2608.02044v1
• Date: Mon, 03 Aug 2026 10:42:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.490022
• Title: Déjà Cue: Localizing States in Object Histories via Vocabulary-Relative Coordinates
• Title（参考訳）: Déjà Cue: Vocabulary-Relative Coordinatesによるオブジェクト履歴における状態のローカライズ
• Abstract要約: 追跡は、視覚的な変化を通じて同じ物体の観察をリンクするが、オブジェクトが空であるか、満たされているか、無傷であるか、切断されているかは、それ自体は決定できない。 追跡対象履歴と代替状態記述を与えられた場合、各状態が保持する間隔をローカライズする。 トレーニング不要のフレームワークであるDéj Cueを導入し、これらの選択肢を語彙相対座標系に変換する。
• 参考スコア（独自算出の注目度）: 5.384752568374643
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tracking links observations of the same object through visual change, yet cannot by itself determine when the object is empty or filled, intact or cut. We formulate identity-conditioned state-moment retrieval: given a tracked-object history and alternative state descriptions, localize an interval in which each described state holds. Absolute image-text similarity scores descriptions independently; because every visible frame depicts the same target, shared object compatibility can obscure the state evidence needed to identify the target interval. The alternatives provide the missing reference: evidence for one state should be measured against the others. We introduce Déjà Cue, a training-free framework that turns these alternatives into a vocabulary-relative coordinate system. It subtracts their state-balanced centroid from each description, calibrates frame scores, and scans multiple durations within contiguous visible runs using a frozen encoder. On 78 VOST histories, holding the temporal scan fixed and changing only the query reference nearly doubles R@1 at tIoU 0.5 from 10.3\% to 20.5\% and raises Top-1 tIoU from 16.0\% to 21.5\%. Candidate-rank analyses show that vocabulary-relative queries rank useful intervals higher within the same candidate set. Related state descriptions can therefore serve as an object-specific, query-time coordinate system for reading frozen visual representations.
• Abstract（参考訳）: 追跡は、視覚的な変化を通じて同じ物体の観察をリンクするが、オブジェクトが空であるか、満たされているか、無傷であるか、切断されているかは、それ自体は決定できない。 追跡対象履歴と代替状態記述を与えられた場合、各状態が保持する間隔をローカライズする。 すべての可視フレームが同じターゲットを描いているため、共有オブジェクトの互換性は、ターゲット間隔を特定するのに必要な状態証拠を曖昧にすることができる。 ある状態の証拠は、他の状態に対して測定されるべきである。 トレーニング不要のフレームワークであるDéjà Cueを紹介します。 それぞれの記述から状態バランスのとれたセントロイドを抽出し、フレームスコアを校正し、凍結エンコーダを使用して連続した可視走行中の複数の期間をスキャンする。 78 VOST のヒストリーでは、時間スキャンを固定し、tIoU 0.5 のクエリ参照のみを変更すると、R@1 は 10.3\% から 20.5\% にほぼ倍増し、Top-1 tIoU は 16.0\% から 21.5\% に上昇する。 候補ランク分析では、語彙関係のクエリは同じ候補セット内で有用な区間をランク付けしている。 したがって、関連する状態記述は、凍結した視覚表現を読むためのオブジェクト固有のクエリ時間座標システムとして機能する。

関連論文リスト

• ENEAS: Embedding-guided Neural Ensemble for Adaptive Segmentation [36.94429692322632]
  本研究では,インスタンス追跡と意味発見のためのテキストプロンプタブルなENEASを提案する。 我々は、以前は点間相互作用に限られていた幾何学的に堅牢なSeCアーキテクチャをテキストプロンプトアダプタで拡張する。 検証層は、条件付きVLM精製と高速な視覚埋め込みマッチングを組み合わせ、曖昧な候補に対してのみ意味推論を誘発する。
  論文  参考訳（メタデータ） (2026-09-03T12:25:26Z)
• VeriPhy: Agentic Physical Reasoning for World Model Evaluation and Refinement [57.86962208273888]
  テキストのみのプランナが入力された物理義務にプロンプトをコンパイルする監査可能な物理検証システムを提案する。 それぞれのアクションは、ペイロードがタイプされた測定か、明示的にタグ付けされた学習状態である証明付きエビデンスレコードを返す。 我々は, 実発生障害を即時参照, 空間, 時間でローカライズする, 1500クリックの欠陥記録のコーパスにおいて, 評価をアンロックする。
  論文  参考訳（メタデータ） (2026-09-02T20:36:45Z)
• A Dynamic-Semantics Framework for Grounding Human Referring Expressions in Visual Perceptual Data [0.0]
  本稿では,パクト状態を3つの明示的で検査可能な参照オブジェクトバインディングに外部化するフレームワークを提案する。 スタンフォード・リピート・レファレンス・ゲーム・コーパス(Stanford Repeated Reference Game corpus)のフレームワークについて検討した。
  論文  参考訳（メタデータ） (2026-08-09T12:14:10Z)
• Lightweight Person-Place Relation Extraction from Historical Newspapers with Dependency Graphs and Proximity Features [0.0]
  本研究では,関係分類段階において,事前学習された言語モデルなしで,軽量で解釈可能なシステムがどこまで進むことができるかを検討する。 提案手法は,依存関係解析から文書レベルグラフを構築し,各エンティティペアの近接的特徴と部分的特徴を抽出し,それらをScikit-Lernアンサンブルあるいはコンパクトグラフアテンションネットワークで分類する。 公式評価 (テストA, 新聞テストセット) では, ベストランが0.5142のマクロリコールに達し, 17チーム中, 3位にランクインした。
  論文  参考訳（メタデータ） (2026-07-22T03:35:56Z)
• UniGoal: Towards Universal Zero-shot Goal-oriented Navigation [68.45058159533376]
  汎用的なゼロショットゴール指向ナビゲーションのための一般的なフレームワークを提案する。 本稿では,オブジェクトカテゴリ,インスタンスイメージ,テキスト記述など,異なる目標を統一する一様グラフ表現を提案する。 我々のUniGoalは、3つの研究されたナビゲーションタスクに対して1つのモデルで最先端のゼロショット性能を実現する。
  論文  参考訳（メタデータ） (2025-03-13T17:59:48Z)
• Correspondence Matters for Video Referring Expression Comprehension [64.60046797561455]
  ビデオ参照表現(REC)は、文章に記述された参照オブジェクトをビデオフレーム内の視覚領域にローカライズすることを目的としている。 既存の手法では,1)ビデオフレーム間の非一貫性な局所化結果,2)参照オブジェクトとコンテキストオブジェクトの混同という2つの問題に悩まされている。 本稿では、フレーム間およびクロスモーダルの両方で密接な関連性を明確に強化する新しいデュアル対応ネットワーク(DCNet)を提案する。
  論文  参考訳（メタデータ） (2022-07-21T10:31:39Z)
• Learning to Track with Object Permanence [61.36492084090744]
  共同物体の検出と追跡のためのエンドツーエンドのトレーニング可能なアプローチを紹介します。 私たちのモデルは、合成データと実データで共同トレーニングされ、KITTIおよびMOT17データセットの最先端を上回ります。
  論文  参考訳（メタデータ） (2021-03-26T04:43:04Z)
• Inter-Image Communication for Weakly Supervised Localization [77.2171924626778]
  弱教師付きローカライゼーションは、画像レベルの監督のみを使用して対象対象領域を見つけることを目的としている。 我々は,より正確な物体位置を学習するために,異なる物体間の画素レベルの類似性を活用することを提案する。 ILSVRC検証セット上でトップ1のローカライズ誤差率45.17%を達成する。
  論文  参考訳（メタデータ） (2020-08-12T04:14:11Z)
• High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
  本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。 我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-03-18T12:18:35Z)

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。