論文の概要: RECOUNT: Reference-guided Counting with Synthetic Visual Exemplars

• arxiv url: http://arxiv.org/abs/2608.20621v1
• Date: Thu, 20 Aug 2026 23:41:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-24 14:49:32.279125
• Title: RECOUNT: Reference-guided Counting with Synthetic Visual Exemplars
• Title（参考訳）: RECOUNT: 合成視覚外見を用いた基準誘導計数
• Abstract要約: テキスト誘導ゼロショットオブジェクトカウンタは空間的位置決めにおいて優れる。 ビジュアルな例でこれを横取りするカウンタはほとんどありませんが、すべてのイメージに手動のアノテーションが必要です。 画像誘導ゼロショットカウントのためのプラグアンドプレイフレームワークであるRECOUNTを紹介する。
• 参考スコア（独自算出の注目度）: 22.31750687552324
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text-guided zero-shot object counters excel at spatial localization but categorize poorly on novel or fine-grained classes: natural language is too coarse to fully specify visual identity, so they fail to separate visually similar distractors. Few-shot counters sidestep this with visual exemplars, but require manual annotations on every image. To resolve this dilemma, we introduce RECOUNT, a plug-and-play framework for image-guided zero-shot counting. Rather than specify a category with a text prompt, our key insight is to specify it visually, from a single off-scene reference image. However, we find that a lone reference image provides narrow coverage of a category's appearance and is unreliable across diverse scenes. We therefore repurpose a diffusion model as an automated contrastive data engine that expands the reference into a diverse exemplar gallery, supplying the discriminative detail that text cannot. RECOUNT preserves the class-agnostic proposals of any frozen counter and offloads categorization to a separate visual module (a frozen backbone with a lightweight head trained on this synthetic data) that matches each proposal against the target and distractor galleries. Applied to a frozen counter, RECOUNT attains the best zero-shot accuracy on both benchmarks, cutting counting error (MAE) by 55% on LookAlikes and 21% on PairTally relative to the strongest prior zero-shot counter.
• Abstract（参考訳）: テキスト誘導ゼロショットオブジェクトカウンタは空間的局所化において優れるが、新しいクラスやきめ細かいクラスでは分類が不十分である。 ビジュアルな例では、ほとんどショットカウンタがこれを横取りしますが、すべてのイメージに手動のアノテーションが必要です。 このジレンマを解決するために,画像誘導ゼロショットカウントのためのプラグアンドプレイフレームワークであるRECOUNTを導入する。 テキストプロンプトでカテゴリを指定するのではなく、単一のオフシーン参照イメージからそれを視覚的に特定することです。 しかし, 単独参照画像はカテゴリの外観を狭く表現し, 多様な場面で信頼性が低いことが判明した。 そこで我々は,拡散モデルを,参照を多種多様なギャラリーに拡張する自動コントラストデータエンジンとして再利用し,テキストができない差別的な詳細情報を提供する。 RECOUNTは、任意の凍結カウンタとオフロードのクラスに依存しない提案を別個のビジュアルモジュール(この合成データに基づいて訓練された軽量なヘッドを備えた冷凍バックボーン)に分類し、それぞれの提案とターゲットとイントラクタギャラリーとを一致させる。 フリーズカウンタに適用されたRECOUNTは、両方のベンチマークで最高のゼロショット精度を獲得し、LookAlikesではカウントエラー(MAE)を55%削減し、PairTallyでは最強のゼロショットカウンタに対して21%削減した。

関連論文リスト

• Count Anything at Any Granularity [55.70950689938894]
  KubriCountは、これまでで最大で、最も包括的な注釈付きカウントデータセットである。 テキストと視覚的特徴を相補的なターゲット仕様として併用する多粒カウントモデルを訓練する。 HieraCountは、マルチグラデーションカウントの精度を大幅に改善し、現実のシナリオに対して堅牢に一般化する。
  論文  参考訳（メタデータ） (2026-05-11T17:32:37Z)
• Just Say the Word: Annotation-Free Fine-Grained Object Counting [22.31750687552324]
  細粒度オブジェクトカウントは、クラスに依存しないカウントモデルにとって依然として大きな課題である。 カテゴリ名を与えられた場合、合成画像と擬似ラベルを用いてプロンプトからコンパクトな概念を組み込む。 この埋め込み条件は、凍結したカウンタからの生のオーバーカウントを正確にカテゴリー別推定に洗練する特殊化モジュールである。
  論文  参考訳（メタデータ） (2025-04-16T02:05:47Z)
• Text Augmented Spatial-aware Zero-shot Referring Image Segmentation [60.84423786769453]
  テキスト拡張空間認識(TAS)ゼロショット参照画像セグメンテーションフレームワークを提案する。 TASには、例レベルのマスク抽出のためのマスク提案ネットワーク、画像テキスト相関をマイニングするためのテキスト拡張ビジュアルテキストマッチングスコア、マスク後処理のための空間が含まれている。 提案手法は,最先端のゼロショット参照画像セグメンテーション法より明らかに優れている。
  論文  参考訳（メタデータ） (2023-10-27T10:52:50Z)
• Reflection Invariance Learning for Few-shot Semantic Segmentation [53.20466630330429]
  Few-shot semantic segmentation (FSS) は、いくつかのアノテーション付きサポートイメージを持つクエリイメージにおいて、目に見えないクラスのオブジェクトをセグメントすることを目的としている。 本稿では,マルチビューマッチング方式でリフレクション不変性をマイニングするための,新しい数ショットセグメンテーションフレームワークを提案する。 PASCAL-$5textiti$とCOCO-$20textiti$データセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-06-01T15:14:58Z)
• Zero-shot Visual Relation Detection via Composite Visual Cues from Large Language Models [44.60439935450292]
  本稿では,ゼロショット視覚認識のための新しい手法であるRECODEを提案する。 各述語カテゴリを主題、対象、空間構成要素に分解する。 異なる視覚的手がかりは、異なる視点から類似した関係カテゴリの識別可能性を高める。
  論文  参考訳（メタデータ） (2023-05-21T14:40:48Z)
• A Low-Shot Object Counting Network With Iterative Prototype Adaptation [14.650207945870598]
  画像中の任意の意味カテゴリーの低ショットカウントは、注釈付き例(二ショット)やなし例(無ショット)のみを用いて検討する。 既存の手法は、形状情報(例えばサイズとアスペクト)を無視した特徴プーリングによってクエリを抽出し、オブジェクトのローカライズ精度を低下させ、推定値をカウントする。 反復型プロトタイプ適応(LOCA)を用いた低ショットオブジェクトカウントネットワークを提案する。
  論文  参考訳（メタデータ） (2022-11-15T15:39:23Z)
• No Token Left Behind: Explainability-Aided Image Classification and Generation [79.4957965474334]
  ここでは、CLIPが入力のすべての関連する意味的部分に焦点を当てることを保証するために、損失項を追加する新しい説明可能性に基づくアプローチを提案する。 本手法は, 追加訓練や微調整を伴わずに, 認識率の向上を図っている。
  論文  参考訳（メタデータ） (2022-04-11T07:16:39Z)
• Semantically Tied Paired Cycle Consistency for Any-Shot Sketch-based Image Retrieval [55.29233996427243]
  ローショットスケッチに基づく画像検索はコンピュータビジョンの新たな課題である。 本稿では,ゼロショットおよび少数ショットのスケッチベース画像検索(SBIR)タスクについて述べる。 これらの課題を解決するために,SEM-PCYC(SEM-PCYC)を提案する。 以上の結果から,Sketchy,TU-Berlin,QuickDrawのデータセットを拡張したバージョンでは,最先端の撮影性能が大幅に向上した。
  論文  参考訳（メタデータ） (2020-06-20T22:43:53Z)
• 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。