論文の概要: PCQA-R1: Advancing Generalized 3D Point Cloud Quality Assessment with Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2608.18627v1
• Date: Wed, 19 Aug 2026 07:21:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-20 20:13:55.319008
• Title: PCQA-R1: Advancing Generalized 3D Point Cloud Quality Assessment with Reinforcement Learning
• Title（参考訳）: PCQA-R1:強化学習による汎用3Dポイントクラウド品質評価の改善
• Abstract要約: ノンリファレンスポイントクラウド品質アセスメント(PCQA)は近年活発なトピックであり、ポイントクラウドの視覚的エクスペリエンスの測定と最適化に使用されている。 本稿では,3次元点雲質評価のための最初の強化学習LMMであるPCQA-R1について述べる。
• 参考スコア（独自算出の注目度）: 51.75061005702151
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: No-reference point cloud quality assessment (PCQA) has been an active topic in recent years and is used to measure and optimize the visual experience of point clouds. However, large multimodal models (LMMs) have rarely been explored in this area. Previous LMM-based methods mainly rely on supervised fine-tuning to directly predict numerical quality scores, lacking the ability to generalize across datasets with heterogeneous MOS scales and limited annotations. A key difficulty is that absolute MOS regression can be brittle across datasets with different score scales and distortion distributions, whereas relative quality ranking is more stable under such shifts. In this paper, we present PCQA-R1, the first reinforcement learning LMM for 3D point cloud quality assessment to simultaneously model quality understanding and scoring. Built upon the group relative policy optimization (GRPO) strategy, PCQA-R1 first constructs a chain-of-thought dataset, PCQA-CoT, which serves as cold-start training data through a reverse reasoning strategy that teaches the LMM to generate its reasoning process. We further introduce a Gaussian proximity reward that prevents calibration drift by anchoring score predictions to the source MOS range. Experimental results demonstrate that PCQA-R1 achieves state-of-the-art cross-dataset generalization across five benchmarks and competitive in-domain accuracy. Ablation studies support the role of ranking, Gaussian reward, and cold-start traces.
• Abstract（参考訳）: ノンリファレンスポイントクラウド品質アセスメント(PCQA)は近年活発なトピックであり、ポイントクラウドの視覚的エクスペリエンスの測定と最適化に使用されている。 しかし、この領域で大規模なマルチモーダルモデル (LMM) が研究されることはめったにない。 従来のLMMベースの手法は主に教師付き微調整に頼って数値的な品質スコアを直接予測し、不均一なMOSスケールと限定アノテーションを持つデータセットをまたいで一般化する能力に欠けていた。 鍵となる困難は、絶対的MOS回帰はスコアスケールと歪み分布の異なるデータセット間で不安定であるのに対して、相対的品質ランキングはそのようなシフト下でより安定である。 本稿では,3Dポイントクラウド品質評価のための最初の強化学習LMMであるPCQA-R1について述べる。 グループ相対政策最適化(GRPO)戦略に基づいて、PCQA-R1はまず、LMMに推論プロセスを生成するように教える逆推論戦略を通じて、コールドスタートトレーニングデータとして機能するチェーン・オブ・ソート・データセットであるPCQA-CoTを構築する。 さらに、スコア予測をソースMOS範囲に固定することにより、キャリブレーションドリフトを防止するガウス近接報酬を導入する。 実験の結果,PCQA-R1は5つのベンチマークにまたがって最先端のクロスデータセットの一般化を実現し,ドメイン内精度と競合することがわかった。 アブレーション研究は、ランク付け、ガウス報酬、コールドスタートトレースの役割を支持する。

関連論文リスト

• LoRA-based Adaptation Alone Is Not Enough: Understanding the Limits of Foundation Models for Face Presentation Attack Detection [6.441953169734952]
  顔提示攻撃検出(PAD)は、広範囲の提示攻撃を確実に検出することを目的としている。 PAD法は個々のデータセット内で高い性能を達成するが、その性能はクロスデータセット評価の下で低下する。 典型的なPADデータセットは、Webベースの事前トレーニングで使用されるスケールに比べて小さいため、ファンデーションモデル(FM)が有望な代替手段として登場した。
  論文  参考訳（メタデータ） (2026-08-10T14:13:23Z)
• Metacognition as Reward: Reinforcing LLM Reasoning via Knowledge and Regulation Signals [75.25256166997414]
  本稿ではメタ認知に触発されたRLフレームワークであるメタ認知・アズ・リワード(MaR)を紹介する。 MaRは2つの一般的なプロセス次元を推論する。 MaRはモデル性能を継続的に改善し、ベースモデルよりも最大7.7%向上した。
  論文  参考訳（メタデータ） (2026-05-22T08:54:37Z)
• Too Correct to Learn: Reinforcement Learning on Saturated Reasoning Data [55.84428098924793]
  構造保存探索を行うためのパラメータ自由復号法である Constrained Uniform Top-K Smpling (CUTS) を提案する。 グループ内の利点分散を増幅するために、エクスプロイトと探索的なロールアウトを相乗化するためのトレーニングフレームワークであるMixed-CUTSに統合する。 特にMixed-CUTSは、AIME25ベンチマークのPass@1の精度を標準のGRPOよりも15.1%向上している。
  論文  参考訳（メタデータ） (2026-04-20T16:43:28Z)
• MMR1: Enhancing Multimodal Reasoning with Variance-Aware Sampling and Open Resources [113.33902847941941]
  VAS (Variance-Aware Sampling) は、Variance Promotion Score (VPS) によって導かれるデータ選択戦略である。 我々は、1.6MのCoT冷間開始データと15kのRLQAペアを含む大規模かつ慎重にキュレートされたリソースをリリースする。 数学的推論ベンチマークによる実験では、キュレートされたデータと提案されたVASの有効性が示されている。
  論文  参考訳（メタデータ） (2025-09-25T14:58:29Z)
• ReasonFlux-PRM: Trajectory-Aware PRMs for Long Chain-of-Thought Reasoning in LLMs [75.72672339168092]
  本稿では,新しいトラジェクトリ対応PRMであるReasonFlux-PRMを紹介し,トラジェクトリ応答型推論トレースの評価を行う。 ReasonFlux-PRMはステップレベルとトラジェクトリレベルの両方の監視機能を備えており、構造化された連鎖データと整合した微粒な報酬割り当てを可能にする。 得られたReasonFlux-PRM-7Bは、教師付き微調整で平均12.1%、強化学習で4.5%、テスト時間スケーリングで6.3%向上した。
  論文  参考訳（メタデータ） (2025-06-23T17:59:02Z)
• Contrastive Pre-Training with Multi-View Fusion for No-Reference Point Cloud Quality Assessment [49.36799270585947]
  No-Reference Point Cloud Quality Assessment (NR-PCQA) は、歪んだ点雲の知覚的品質を、参照なしで自動的に評価することを目的としている。 我々は,PCQA(CoPA)に適した新しいコントラスト付き事前学習フレームワークを提案する。 提案手法は,最新のPCQA手法よりも高い性能を示す。
  論文  参考訳（メタデータ） (2024-03-15T07:16:07Z)
• Stochasticity-aware No-Reference Point Cloud Quality Assessment [27.27917013945021]
  従来の研究は、ポイントクラウド品質評価(PCQA)をレグレッション問題と見なしていた。 この研究は、既存のデータセットのラベル付けプロセスによって動機付けられた、非参照PCQAのための最初の確率的アーキテクチャを示す。
  論文  参考訳（メタデータ） (2024-01-17T02:25:42Z)

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。