論文の概要: Diffuse the object, keep its label: curating detector training data from a few unlabeled photographs via VLM-built 3D vegetation scenes

• arxiv url: http://arxiv.org/abs/2608.09691v1
• Date: Mon, 10 Aug 2026 14:56:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:37.322741
• Title: Diffuse the object, keep its label: curating detector training data from a few unlabeled photographs via VLM-built 3D vegetation scenes
• Title（参考訳）: オブジェクトを拡散させ、ラベルを保ちます。VLMで作られた3D植生シーンを通して、ラベルのないいくつかの写真から、検出器のトレーニングデータをキュレートする
• Abstract要約: 本研究では,デプロイサイト自体のラベル付き写真からラベル付きトレーニング画像を合成する。 視覚言語モデルは、1枚の写真から粗い3D植生シーンを生成する。 写真に微調整された軽量アダプターは、拡散パスを条件としてレンダリングを再現する。
• 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: Labeled images of small objects hidden in vegetation are scarce, and detectors trained on them generalize poorly across sites. Rather than reusing labels collected at another site, we synthesize labeled training images from a handful of unlabeled photographs of the deployment site itself. A vision--language model generates a coarse 3D vegetation scene from one photograph; placing 3D object meshes in the scene yields bounding boxes, segmentation masks, and per-instance occlusion directly from the scene geometry, without manual annotation. A lightweight adapter fine-tuned on the photographs conditions a diffusion pass that re-textures the renders, and a graded mask-lock sets how much diffusion may touch the object itself. In our runs this grade was the most influential curation choice: lightly diffusing the object improves minority-class recall over fully protecting its pixels, while unrestricted diffusion dissolves it. Trained on these images, a standard detector matched or exceeded its counterpart trained on a larger labeled dataset of real images from a different site, consistently across seeds on a humanitarian-demining benchmark; the comparison is thus unsupervised site adaptation from a handful of photographs against conventional cross-site label reuse. In our ablations the gains were largely insensitive to the photograph and crop budgets, and in-domain accuracy did not predict cross-site performance.
• Abstract（参考訳）: 植物に隠れた小さな物体のラベル付き画像は乏しく、その上で訓練された検出器は、現場全体にわたってあまり一般化していない。 他の場所で収集されたラベルを再利用する代わりに、デプロイサイト自体のラベルのない少数の写真からラベル付きトレーニング画像を合成する。 視覚言語モデルは、1枚の写真から粗い3D植生シーンを生成し、シーンに3Dオブジェクトメッシュを配置すると、手動のアノテーションなしで、シーン幾何学から直接境界ボックス、セグメンテーションマスク、およびインスタンスごとの閉塞が生成される。 写真に微調整されたライトウェイトアダプターは、レンダリングを再現する拡散パスを条件にし、グレードされたマスクロックは、オブジェクト自体にどれだけの拡散が影響するかを設定する。 私たちのランニングでは、このグレードは最も影響力のあるキュレーション選択でした。オブジェクトを軽く拡散することで、ピクセルを完全に保護するよりも少数クラスのリコールが改善されます。 これらの画像に基づいてトレーニングされた標準検出器は、異なるサイトからの実際の画像のより大きなラベル付きデータセットで訓練されたか、あるいは超えた。 その結果, 収率は写真や作物の予算に大きく依存せず, ドメイン内精度はクロスサイト性能の予測には至らなかった。

関連論文リスト

• UMAMI: Unifying Masked Autoregressive Models and Deterministic Rendering for View Synthesis [28.245380116188883]
  新たなビュー合成(NVS)は、シーンの写実的で3D一貫性のある画像を、未確認のカメラのポーズからレンダリングすることを目的としている。 既存の決定論的ネットワークは、観測された領域を素早くレンダリングするが、観測されていない領域をぼかす。 両パラダイムの長所を統一するハイブリッドフレームワークを提案する。双方向トランスフォーマーは多視点画像トークンとプルッカー線埋め込みを符号化し、共有潜在表現を生成する。
  論文  参考訳（メタデータ） (2025-12-23T07:08:00Z)
• ASIA: Adaptive 3D Segmentation using Few Image Annotations [21.733451438390755]
  ASIA(Adaptive 3D using few Image s)は、3Dで非意味的かつ非テキスト記述可能な「部分」のセグメンテーションを可能にする新しいフレームワークである。 本手法は,画像空間から3次元へのセグメンテーションの転送に,SD(Stable Diffusion)などのテキスト・画像拡散モデルのリッチな先行性を利用する。 ASIAは意味的および非意味的な3Dセグメンテーションタスクに対して実用的で一般化可能なソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-29T05:04:11Z)
• Weakly Supervised Object Segmentation by Background Conditional Divergence [0.45880283710344066]
  本稿では,マスキングネットワークをトレーニングして,弱い監督力を用いた二元オブジェクト分割を行う手法を提案する。 この手法の重要なステップは、セグメント化されたオブジェクトを背景のみの画像に配置できる点である。 我々は, サイドスキャンと合成開口ソナーで実験を行い, アプローチが成功した。
  論文  参考訳（メタデータ） (2025-06-25T16:46:46Z)
• Learning Camouflaged Object Detection from Noisy Pseudo Label [60.9005578956798]
  本稿では,まず,弱い半教師付きカモフラージュオブジェクト検出(COD)法を提案する。 予算効率が高く高精度なカモフラージュされたオブジェクトセグメンテーションを目標とし、完全にラベル付けされた画像が極めて限られている。 本稿では,早期の学習段階において,モデルが正しい画素の学習を容易にするノイズ補正損失を提案する。 完全ラベル付きデータの20%しか使用しない場合,本手法は最先端の手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-18T04:53:51Z)
• Exploring the Untouched Sweeps for Conflict-Aware 3D Segmentation Pretraining [41.145598142457686]
  LiDARカメラによる3D画像の事前学習は、3D知覚タスクと関連する応用に有意な可能性を示唆している。 未探索フレームからLiDAR-画像ペアを精巧に選択するための,ビジョン・ファウンデーション・モデル駆動型サンプル探索モジュールを提案する。 我々の手法は、既存の最先端の事前訓練フレームワークを3つの主要な公道走行データセットで一貫して上回っている。
  論文  参考訳（メタデータ） (2024-07-10T08:46:29Z)
• Fine-grained Image-to-LiDAR Contrastive Distillation with Visual Foundation Models [55.99654128127689]
  Visual Foundation Models (VFM) は、弱い教師付きピクセル対ポイントのコントラスト蒸留のためのセマンティックラベルを生成するために使用される。 我々は,空間分布とカテゴリー周波数の不均衡に対応するために,点のサンプリング確率を適応させる。 我々の手法は、下流タスクにおける既存の画像からLiDARへのコントラスト蒸留法を一貫して超越している。
  論文  参考訳（メタデータ） (2024-05-23T07:48:19Z)
• Learning 3D Photography Videos via Self-supervised Diffusion on Single Images [105.81348348510551]
  3D写真は、静止画を3D視覚効果のあるビデオにレンダリングする。 既存のアプローチは通常、まず単眼深度推定を行い、次に様々な視点で入力フレームを後続のフレームに描画する。 我々は、入力オブジェクトの空間と時間を拡張する、新しいタスク、out-animationを提案する。
  論文  参考訳（メタデータ） (2023-02-21T16:18:40Z)
• Unsupervised Domain Adaptation with Contrastive Learning for OCT Segmentation [49.59567529191423]
  本稿では,新しい未ラベル領域からのボリューム画像のセグメンテーションのための,新しい半教師付き学習フレームワークを提案する。 教師付き学習とコントラスト学習を併用し、3次元の近傍スライス間の類似性を利用したコントラストペア方式を導入する。
  論文  参考訳（メタデータ） (2022-03-07T19:02:26Z)
• Learning to Detect Every Thing in an Open World [139.78830329914135]
  我々は、Learning to Detect Every Thing (LDET)と呼ぶ、シンプルながら驚くほど強力なデータ拡張とトレーニングスキームを提案する。 可視だがラベル付けされていない背景オブジェクトの隠蔽を避けるため、元の画像の小さな領域から採取した背景画像上に注釈付きオブジェクトを貼り付ける。 LDETは、オープンワールドのインスタンスセグメンテーションタスクにおいて、多くのデータセットに大きな改善をもたらす。
  論文  参考訳（メタデータ） (2021-12-03T03:56:06Z)
• Improved Handling of Motion Blur in Online Object Detection [0.0]
  我々は、感情誘発ぼかしの詳細に焦点を当てた。 鮮明な画像とぼやけた画像のパフォーマンスのギャップを、それぞれ異なる潜在的な原因をターゲットとする5つの治療法のクラスを探索する。 他の4つの治療法は、マルチスケールなテクスチャ、アウト・オブ・ディストリビューション・テスト、ラベル生成、曖昧な型による条件付けに対処する。
  論文  参考訳（メタデータ） (2020-11-29T21:58:26Z)
• Improving Object Detection with Selective Self-supervised Self-training [62.792445237541145]
  本研究では,Web画像を利用した人為的対象検出データセットの強化について検討する。 画像と画像の検索によりWebイメージを検索し、他の検索手法に比べて、キュレートされたデータからのドメインシフトが少なくなる。 画像分類のためのラベルのないデータを探索する2つの並列処理をモチベーションとした新しい学習手法を提案する。
  論文  参考訳（メタデータ） (2020-07-17T18:05:01Z)

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。