論文の概要: Leveraging existing sparse point annotations for benthic imagery dense segmentation
- arxiv url: http://arxiv.org/abs/2608.17561v1
- Date: Tue, 18 Aug 2026 09:22:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.289832
- Title: Leveraging existing sparse point annotations for benthic imagery dense segmentation
- Title（参考訳）: ベント画像高密度セグメンテーションのための既存のスパースポイントアノテーションの活用
- Abstract要約: 我々は、最先端の基盤モデルと既存のスパース監視を橋渡しする。
私たちの主な貢献は、これらのポイントのどれが適切かを自動的に識別する新しいメカニズムであり、伝播に使用する場合、アクティブに有害である。
我々は,我々のアプローチが公衆の便益データに与える影響を実証し,実世界のスパース専門家のアノテーションを特徴とする新しい挑戦的なベンチマークを導入し,スケーラブルな生態学的分析の道を開いた。
- 参考スコア（独自算出の注目度）: 4.264200809234798
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The health of marine ecosystems is a critical indicator of global environmental change, yet the physical constraints of underwater observation and the intrinsic challenges of processing marine imagery severely limit the scalability of systematic monitoring. While recent visual foundation models such as the Segment Anything Model (SAM) series show great promise, they still struggle with the fine-grained recognition required in these complex scenarios and still require expert supervision. Our work addresses this gap by bridging state-of-the-art foundation models with existing sparse supervision. Because historical benthic surveys are typically annotated with only a few sparse expert points per image, we utilize these legacy point-labels as visual prompts for SAM2. Our primary contribution is a novel mechanism to automatically identify which of these points are suitable, and which are actively harmful, when used for propagation. By filtering out unreliable points, we extract high-quality pseudo-ground-truth masks capable of training more accurate, fine-grained semantic segmentation models. We demonstrate the effectiveness of our approach on public benthic data and introduce a new, challenging benchmark featuring real-world sparse expert annotations, paving the way for scalable ecological analysis.
- Abstract（参考訳）: 海洋生態系の健全性は、地球環境の変化の重要な指標であるが、水中観測の物理的制約と海洋画像処理の本質的な課題は、体系的な監視のスケーラビリティを著しく制限している。
最近のSegment Anything Model (SAM)シリーズのような視覚的基盤モデルは大きな可能性を秘めているが、これらの複雑なシナリオで必要とされるきめ細かい認識に苦慮し、専門家の監督を必要としている。
我々の研究は、最先端の基盤モデルと既存のスパース・インスペクタリジェンスとの橋渡しによって、このギャップに対処します。
歴史的ベントニックサーベイは通常、画像ごとにわずかな専門家ポイントしかアノテートされないため、これらのレガシーなポイントラベルをSAM2の視覚的プロンプトとして利用する。
私たちの主な貢献は、これらのポイントのどれが適切かを自動的に識別する新しいメカニズムであり、伝播に使用する場合、アクティブに有害である。
信頼できない点をフィルタリングすることにより、より正確できめ細かなセマンティックセグメンテーションモデルを訓練できる高品質な擬似地下構造マスクを抽出する。
我々は,我々のアプローチが公衆の便益データに与える影響を実証し,実世界のスパース専門家のアノテーションを特徴とする新しい挑戦的なベンチマークを導入し,スケーラブルな生態学的分析の道を開いた。
関連論文リスト
- Domain-Guided Prompting of the Segment Anything Model for Seismic Interpretation: The Role of Attributes, Visualization, and Hybrid Prompts [0.1529342790344802]
基礎モデルの地震データへのゼロショット適応のための原理的枠組みを導入する。
本フレームワークは,(1) 地震特性と可視化の選択を地質学的対象と整合させること,(2) ハイブリッド・プロンプト・ストラテジーを採用すること,の2つの重要な構成要素に基づいて構築されている。
以上の結果から,地震特性とカラーマップの地質学的対象選択とハイブリッドプロンプトの併用により,地質学的特徴の分離性が向上することが示唆された。
論文 参考訳（メタデータ） (2026-06-14T12:40:02Z) - Real-time Appearance-based Gaze Estimation for Open Domains [15.195617974731766]
本稿では,人手による付加的なデータを必要としない,高機能なAGEフレームワークを提案する。
異方性データセット間ラベル偏差の影響を軽減するため、マルチタスク学習問題として視線回帰を再構成する。
我々のMobileNetベースの軽量モデル一般化は、最先端(SOTA)のUniGaze-Hと競合する性能を実現する。
論文 参考訳（メタデータ） (2026-03-27T19:33:18Z) - Harmonizing the Deep: A Unified Information Pipeline for Robust Marine Biodiversity Assessment Across Heterogeneous Domains [0.769971486557519]
この研究は、北極と大西洋の海洋生態系を対象とする多年にわたる侵略的な種モニタリングイニシアチブの基礎的な検出層を確立する。
異種データセットを同等の情報フローに標準化する統一情報パイプラインを開発した。
シーン構成やオブジェクト密度,コンテキスト冗長性などの構造的要因から,ドメイン間の性能損失が説明できる。
論文 参考訳（メタデータ） (2026-01-20T13:51:55Z) - Wetland mapping from sparse annotations with satellite image time series and temporal-aware segment anything model [37.47356246646521]
WetSAMは、湿地マッピングのための衛星画像時系列を統合したフレームワークである。
WetSAMは, 平均F1スコア85.58%を達成し, 正確な, 構造的に整合した湿地セグメンテーションを最小限のラベル付けで実現し, 最先端の手法よりも大幅に優れていることを示す。
論文 参考訳（メタデータ） (2026-01-16T16:10:32Z) - Expose Camouflage in the Water: Underwater Camouflaged Instance Segmentation and Dataset [76.92197418745822]
カモフラージュされたインスタンスセグメンテーション(CIS)は、周囲と密接に融合したオブジェクトを正確にセグメンテーションする際の大きな課題に直面します。
従来のカモフラージュされたインスタンスセグメンテーション法は、水中のサンプルが限られている地球上で支配的なデータセットに基づいて訓練されており、水中のシーンでは不十分な性能を示す可能性がある。
本研究は,海中カモフラージュされた海洋生物の3,953枚の画像とインスタンスレベルのアノテーションを含む,最初の水中カモフラージュされたインスタンスセグメンテーションデータセットUCIS4Kを紹介する。
論文 参考訳（メタデータ） (2025-10-20T14:34:51Z) - MARIS: Marine Open-Vocabulary Instance Segmentation with Geometric Enhancement and Semantic Alignment [56.88334234553316]
我々は,水中オープンボキャブラリ(OV)セグメンテーションのための大規模なベンチマークであるtextbfMARIS (underlineMarine Open-Vocabulary underlineInstance underlineSegmentation)を紹介した。
当社のフレームワークは、既存のOVベースラインであるIn-DomainとCross-Domainの両方を一貫して上回ります。
論文 参考訳（メタデータ） (2025-10-17T07:50:58Z) - ConformalSAM: Unlocking the Potential of Foundational Segmentation Models in Semi-Supervised Semantic Segmentation with Conformal Prediction [57.930531826380836]
本研究は,未ラベル画像のアノテータとして画素レベルの視覚課題におけるラベル不足に,基礎的セグメンテーションモデルが対処できるかどうかを考察する。
ConformalSAMは,まず対象ドメインのラベル付きデータを用いて基礎モデルを校正し,ラベルなしデータの信頼できないピクセルラベルをフィルタリングする新しいSSSSフレームワークである。
論文 参考訳（メタデータ） (2025-07-21T17:02:57Z) - Real-time Seafloor Segmentation and Mapping [0.0]
ポシドニア・オーシャンカ・メドウ(Posidonia Oceanica meadows)は、サバイバルと保全のために岩に大きく依存する海草の一種である。
ディープラーニングベースのセマンティックセグメンテーションと視覚自動監視システムは、さまざまなアプリケーションで有望であることを示している。
本稿では,自律型水中車両(AUV)がポシドニア大洋の牧草地の境界を自律的に調査できるようにするために,機械学習とコンピュータビジョン技術を組み合わせたフレームワークを提案する。
論文 参考訳（メタデータ） (2025-04-14T22:49:08Z) - Robust Saliency-Aware Distillation for Few-shot Fine-grained Visual
Recognition [57.08108545219043]
サンプルが少ない新しいサブカテゴリを認識することは、コンピュータビジョンにおいて不可欠で挑戦的な研究課題である。
既存の文献は、ローカルベースの表現アプローチを採用することでこの問題に対処している。
本稿では,ロバスト・サリエンシ・アウェア蒸留法(RSaD)を提案する。
論文 参考訳（メタデータ） (2023-05-12T00:13:17Z) - Toward Certified Robustness Against Real-World Distribution Shifts [65.66374339500025]
我々は、データから摂動を学ぶために生成モデルを訓練し、学習したモデルの出力に関して仕様を定義する。
この設定から生じるユニークな挑戦は、既存の検証者がシグモイドの活性化を厳密に近似できないことである。
本稿では,古典的な反例誘導的抽象的洗練の概念を活用するシグモイドアクティベーションを扱うための一般的なメタアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-06-08T04:09:13Z) - Robust and Precise Facial Landmark Detection by Self-Calibrated Pose
Attention Network [73.56802915291917]
より堅牢で正確な顔のランドマーク検出を実現するための半教師付きフレームワークを提案する。
より効果的な顔形状制約をモデル化するために,境界対応ランドマーク強度(BALI)フィールドを提案する。
自己キャリブレーション・ポース・アテンション(SCPA)モデルは、中間的監督を強制する自己学習型目標関数を提供するように設計されている。
論文 参考訳（メタデータ） (2021-12-23T02:51:08Z)
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。