論文の概要: PatchGen: Learning Soft Intra-Image Predictive Subsets for Visual Generalization

• arxiv url: http://arxiv.org/abs/2608.12766v1
• Date: Thu, 13 Aug 2026 03:17:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-14 18:29:38.37891
• Title: PatchGen: Learning Soft Intra-Image Predictive Subsets for Visual Generalization
• Title（参考訳）: PatchGen:視覚一般化のためのソフトな画像内予測サブセットの学習
• Abstract要約: 本稿では,各画像がラベル予測に十分なサンプル適応型オラクル内予測サブセットを含んでいるという構造仮説を考察する。 我々は,未観測のオラクルサブセットマスクのタスク駆動プロキシとして,サンプル依存のソフト予測サブセットマスクを学習するテキストフリーモジュールであるPatchGenを提案する。
• 参考スコア（独自算出の注目度）: 8.910822515907071
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual classifiers are expected to generalize under data shifts, target shifts, and their combinations, yet most existing methods focus on domain invariance while failing to address intra-image predictive sufficiency. We investigate the structural hypothesis that each image contains a sample-adaptive oracle intra-image predictive subset sufficient for label prediction, while the remaining patches form non-essential complementary context that may correlate with the label. The theoretical analysis shows that restricting prediction to this oracle subset preserves the Bayes risk achievable by the full-patch representation while admitting a complexity bound that tightens with the oracle-subset size. Based on this view, we propose PatchGen, a text-free module that learns a sample-dependent soft predictive-subset mask as a task-driven proxy for the unobserved oracle subset mask. Specifically, histopathology visualizations suggest that PatchGen assigns higher scores to tumor-consistent regions than to some frequently co-occurring inflammatory context. Extensive experiments on natural and histopathological image benchmarks spanning all three shift settings show that PatchGen improves average performance over matched-backbone baselines in most evaluated configurations, enhances generalization to unknown classes, and remains competitive with vision-language methods without text supervision.
• Abstract（参考訳）: 視覚分類器は、データシフト、ターゲットシフト、およびそれらの組み合わせの下で一般化されることが期待されているが、既存のほとんどの手法は、画像内の予測十分性に対処するのに失敗しながら、ドメインの不変性に焦点を当てている。 我々は,各画像にラベル予測に十分なサンプル適応オラクル内予測サブセットが含まれているという構造仮説を考察し,残りのパッチはラベルと相関する非意味的な補完的コンテキストを形成する。 この理論解析は、このオラクル部分集合に対する予測の制限は、オラクル・サブセットサイズに縛られる複雑さを認めながら、フルパッチ表現によって達成可能なベイズリスクを保っていることを示している。 この観点から,未観測のオラクルサブセットマスクのタスク駆動プロキシとして,サンプル依存のソフト予測サブセットマスクを学習するテキストフリーモジュールであるPatchGenを提案する。 特に病理組織学の可視化では、PatchGenは頻繁に発生する炎症の文脈よりも高いスコアを腫瘍性領域に割り当てていることが示唆されている。 3つのシフト設定にまたがる自然および病理画像ベンチマークの大規模な実験により、PatchGenは、ほとんどの評価された構成において、マッチしたバックボーンベースラインよりも平均的なパフォーマンスを改善し、未知のクラスへの一般化を強化し、テキストの監督なしに視覚言語メソッドと競合し続けることが示されている。

関連論文リスト

• Primitive-Driven Compositional Forensic Visual Prompting for Open-World Face Anti-Spoofing [59.765442274924595]
  視覚的特徴空間で完全に機能する合成視覚的プロンプト学習フレームワークを提案する。 このフレームワークは、学習可能なマイクロ法医学的プリミティブの共有セットを局所的な法医学的エビデンスユニットに洗練するためにパッチ対応の注意を払っている。 9つのオープンワールドプロトコルの実験は、最先端のパフォーマンス、強力なクロスドメインの一般化、そして目に見えない攻撃への堅牢な適応を示す。
  論文  参考訳（メタデータ） (2026-08-18T04:18:08Z)
• Structuring Semantic Embeddings for Principle Evaluation: A Prototype-Guided Contrastive Learning Approach [58.15427952222424]
  汎用的なテキスト埋め込みはそのようなタスクに広くデプロイされているが、意味的類似性は意味的に似ているがタスク固有の例を示すことができる。 本稿では,凍結したテキスト埋め込み上に構築された幾何正規化モジュールであるPGCL(Prototype-Guided Contrastive Learning)を紹介する。
  論文  参考訳（メタデータ） (2026-08-15T13:19:25Z)
• Beyond Static Anchors: Bounded Prototype Conditioning for Language-Free Medical Anomaly Detection [52.986874008247554]
  本稿では,静的アンカーを入力条件付きビジュアルプロトタイプに置き換える言語フリーフレームワークReCAPを提案する。 ReCAPリセンターは、境界ゲート変調により、各画像の正常と異常なプロトタイプを分離した。 3つのセグメンテーションデータセットで最高のゼロショットレベルのAUROCと、24の複数ショット設定のうち23のゼロショットレベルのAUROCを達成する。
  論文  参考訳（メタデータ） (2026-08-01T04:46:55Z)
• Screening Is Effective for Visual Recognition [17.159633200689225]
  Vision Transformer (ViT) は、画像パッチ間のグローバルな依存関係をモデリングするための強力なフレームワークとして広く利用されている。 本研究では,視覚認識にスクリーニング機構を拡張した新しい視覚モデルであるVisionScreenを提案する。
  論文  参考訳（メタデータ） (2026-07-15T16:12:48Z)
• [CLS] is Not Enough: Multi-Label Recognition via Patch-Level Inference and Adaptive Aggregation [20.637119409165418]
  PIAAは、アダプティブアグリゲーション(Adaptive Aggregation)によって、パッチレベルの推論として予測を定式化する。 パッチレベルのスコアを最終的なマルチラベル予測に集約するアダプティブアグリゲーションモジュールを導入する。 実験の結果,提案手法は最小限の余剰計算で強い改善を達成できることがわかった。
  論文  参考訳（メタデータ） (2026-05-25T13:19:12Z)
• DenseTRF: Texture-Aware Unsupervised Representation Adaptation for Surgical Scene Dense Prediction [0.609006146869448]
  テクスチャ中心の注意に基づく自己教師型表現適応フレームワークDenseTRFを提案する。 DenseTRFは、監視なしでターゲット分布に表現を適用することにより、ドメインシフトに対する堅牢性を大幅に改善する。 複数の外科手術における実験は、最先端のセグメンテーションモデルと比較して、クロスディストリビューションの一般化の改善を実証している。
  論文  参考訳（メタデータ） (2026-05-11T21:43:40Z)
• HAAF: Hierarchical Adaptation and Alignment of Foundation Models for Few-Shot Pathology Anomaly Detection [10.649984141835189]
  階層型適応アライメントフレームワーク(HAAF)を提案する。 中心となるのは、シーケンシャルなキャリブレーション順序を強制するクロスレベルスケールアライメント機構である。 デュアルブランチ推論戦略は、セマンティックスコアと幾何学的プロトタイプを統合して、数ショット設定での安定性を確保する。
  論文  参考訳（メタデータ） (2026-01-24T10:31:21Z)
• All Patches Matter, More Patches Better: Enhance AI-Generated Image Detection via Panoptic Patch Learning [45.37237171823581]
  AI生成画像(AIGI)の指数的成長は、堅牢で一般化可能な検出方法の緊急の必要性を浮き彫りにしている。 本稿では,系統解析によるAIGI検出の2つの重要な原則を確立する。
  論文  参考訳（メタデータ） (2025-04-02T06:32:09Z)
• Probably Approximately Precision and Recall Learning [60.00180898830079]
  機械学習における重要な課題は、一方的なフィードバックの頻度である。 本稿では,確率的近似(PAC)フレームワークを導入し,各入力をラベルの集合にマッピングする仮説を定めている。 我々は、正のデータのみから学習する新しいアルゴリズムを開発し、実現可能な場合において最適なサンプル複雑性を実現する。
  論文  参考訳（メタデータ） (2024-11-20T04:21:07Z)
• MambaEviScrib: Mamba and Evidence-Guided Consistency Enhance CNN Robustness for Scribble-Based Weakly Supervised Ultrasound Image Segmentation [15.766686386490234]
  スパースアノテーションに基づく弱教師付き学習(WSL)は、性能向上を実現している。 本研究は,超音波画像分割作業におけるスクリブルベースWSLの導入を試みる。 本稿では,意思決定境界付近の予測を効果的に活用することを提案する。
  論文  参考訳（メタデータ） (2024-09-28T14:50:45Z)
• Prediction with Incomplete Data under Agnostic Mask Distribution Shift [35.86200694774949]
  分布シフトが存在する場合,不完全なデータによる予測について検討する。 我々は各マスクに対して、不変な最適予測器が存在するという観測を活用している。 本稿では,StableMissと呼ばれる新しい予測手法を提案する。
  論文  参考訳（メタデータ） (2023-05-18T14:06:06Z)
• UIA-ViT: Unsupervised Inconsistency-Aware Method based on Vision Transformer for Face Forgery Detection [52.91782218300844]
  そこで我々は、UIA-ViTと呼ばれるビジョン変換器に基づく教師なし不整合認識手法を提案する。 自己注意機構により、パッチ埋め込み間の注意マップは自然に一貫性関係を表現し、一貫性表現学習に適した視覚変換器となる。
  論文  参考訳（メタデータ） (2022-10-23T15:24:47Z)
• Rethinking Generative Zero-Shot Learning: An Ensemble Learning Perspective for Recognising Visual Patches [52.67723703088284]
  我々はMPGAN(Multi-patch Generative Adversarial Nets)と呼ばれる新しいフレームワークを提案する。 MPGANは、新しい重み付き投票戦略で、ローカルパッチ機能とラベルが見えないクラスを合成する。 MPGANは最先端の手法よりもはるかに精度が高い。
  論文  参考訳（メタデータ） (2020-07-27T05:49:44Z)

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。