論文の概要: Lift, Associate, and Fuse: A Decision-Centric Framework for 2D-to-3D Foundation Model Transfer

• arxiv url: http://arxiv.org/abs/2608.20659v1
• Date: Fri, 21 Aug 2026 01:33:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-24 14:49:32.336087
• Title: Lift, Associate, and Fuse: A Decision-Centric Framework for 2D-to-3D Foundation Model Transfer
• Title（参考訳）: Lift, Associate, and Fuse: 2D-to-3Dファンデーションモデル転送のための決定中心フレームワーク
• Abstract要約: 2次元基礎モデルから3次元セグメンテーションへの予測を伝達する手法は、一般にタスクまたは表現によってグループ化される。 我々は5つの演算子として転送システムを表す決定中心のフレームワークである textbfLift, Associate, and Fuse (LAF) を紹介する。 LAFは、永続キャリアの明示的な契約を定義し、破棄された証拠が回収不能になる第1段階を特定する。
• 参考スコア（独自算出の注目度）: 18.616107275409764
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Methods that transfer predictions from two-dimensional foundation models into three-dimensional segmentation are commonly grouped by task or representation. Those groupings obscure the decisions that determine whether a system remains coherent across views: where image evidence is grounded, when observations become one identity, how semantic and granularity conflicts are handled, which information is fused, and what state survives for later queries. We introduce \textbf{Lift, Associate, and Fuse (LAF)}, a decision-centric framework that represents a transfer system as five operators: \textbf{Generate, Associate, Reconcile, Fuse, and Persist/Query}. LAF defines an explicit contract for the persistent carrier---its spatial support, semantic state, identity state, uncertainty, provenance, and supported operations---and identifies the first stage at which discarded evidence becomes unrecoverable. We operationalize the framework as a structured audit protocol and apply it to 161 systems available through 7 August 2026, spanning point-, field-, Gaussian-, object-, graph-, and memory-based carriers. Representation, temporal, relational, and feed-forward stress tests required no additional analytical stage after the final confirmation pass. The resulting decision traces expose four recurring properties: association does not establish identity; carrier design fixes both the query interface and correction boundary; rendered-view, native-3D, and proposal-level evaluations are not interchangeable; and qualifiers such as \emph{training-free}, \emph{real-time}, \emph{open-vocabulary}, and \emph{generalizable} are meaningful only when attached to a stage and a complete cost ledger. LAF therefore supplies a representation-neutral method for comparing existing systems, diagnosing irreversible failures, and specifying revisable 3D perception for future agents.
• Abstract（参考訳）: 2次元基礎モデルから3次元セグメンテーションへの予測を伝達する手法は、一般にタスクまたは表現によってグループ化される。 これらのグルーピングは、画像証拠が根拠となる場所、観察が1つのアイデンティティとなるとき、セマンティックと粒度の衝突がどのように扱われるか、どの情報が融合され、どの状態が後続のクエリで生き残るか、といった、ビュー間でシステムが一貫性を保つかどうかを決定する決定を曖昧にしている。 本稿では,移動システムを表す決定中心のフレームワークである \textbf{Lift, Associate, and Fuse (LAF) を紹介する。 LAFは、空間的サポート、セマンティックステート、アイデンティティ状態、不確実性、証明、サポートされたオペレーションなど、永続的なキャリアに対する明示的な契約を定義し、破棄された証拠が発見不可能な第1段階を特定する。 我々は、構造化監査プロトコルとしてフレームワークを運用し、2026年8月7日までに利用可能な161のシステムに適用し、ポイント、フィールド、ガウス、オブジェクト、グラフ、メモリベースのキャリアにまたがる。 表象, 時間的, リレーショナル, フィードフォワードストレステストでは, 最終確認通過後の追加的な分析段階は不要であった。 関連性は同一性を確立しない; キャリア設計はクエリインターフェースと修正境界の両方を修正; レンダリングビュー、ネイティブ3D、プロポーザルレベルの評価は交換できない; \emph{training-free}、 \emph{real-time}、 \emph{open-vocabulary}、 \emph{ generalizable} はステージと完全なコスト台帳にアタッチされた場合にのみ意味を持つ。 したがって、LAFは既存のシステムを比較し、不可逆的な失敗を診断し、将来のエージェントに対して修正可能な3D知覚を指定するための表現ニュートラルな方法を提供している。

関連論文リスト

• MNIST-PRO: MNIST is Back as a Partially Observable World for AI Agents [74.83535434786145]
  MNIST-PRO (MNIST-PRO) は、MNISTの桁認識を、ルックバック制約付きシーケンシャルな視線に基づく検索タスクに変換することで、エージェント認識を分離するベンチマークである。 生の視覚履歴、テキスト状態、構造化されたメートル法グリッドマップ、統合された視覚キャンバスを含む4つの記憶表現の10つのマルチモーダルモデルを評価する。
  論文  参考訳（メタデータ） (2026-08-31T16:05:39Z)
• Formal Verification of Agentic Systems over Operational Data [59.98246281888422]
  大規模言語モデル(LLM)によって駆動されるエージェントシステムは、永続的な運用データを扱う現実世界にますます展開されている。 既存のアプローチはそのようなシステムレベルの保証を提供していません。 本稿では, 1 つの LLM とツールオーケストレーションハーネスからなるエージェントシステムのリレーショナル操作データに対する検証について述べる。
  論文  参考訳（メタデータ） (2026-08-04T13:01:30Z)
• CaIRec: Calibrated Modality Imputation for Incomplete Multimodal Recommendation [49.24608818070328]
  現実世界のレコメンデータシステムは、画像、テキスト、その他のコンテンツ機能が欠けている、不完全なモダリティの観察に直面していることが多い。 既存のモダリティ計算手法は、利用可能なアイテムコンテンツから不足表現を推定するが、2つの課題が残る。 まず、回収された表現自体を最適化し、同じ項目の他のモダリティとの関係を明示的に考慮しない。 第二に、構造的に一貫性のある復元された情報でさえ、パーソナライズされたランク付けには効果がないかもしれない。 これらの課題に対処するために,不完全なマルチモーダルレコメンデーション(CaIRec)の校正インプットを提案する。
  論文  参考訳（メタデータ） (2026-07-29T10:10:20Z)
• Reasoning without Gold Standards: A Proxy-Judge Theory of Autoformalization [25.540859911959885]
  自動形式化(AF)は、非公式な数学的または論理的推論を形式的に検証可能なオブジェクトに変換するようモデルに求める。 我々は、金標準マッチングを軸ごとのプロパティチェックのベクトルに置き換える、AFのための参照フリープロキシ・ジャッジフレームワークを導入する。 miniF2F、ProofNet、e-SNLI、ProntoQAの7つの形式化バックボーンで、改良はシングルショットのICLベースラインよりもパスレートを一貫して引き上げる。
  論文  参考訳（メタデータ） (2026-06-08T12:57:09Z)
• Beyond tokens: a unified framework for latent communication in LLM-based multi-agent systems [0.65268245109828]
  大規模言語モデル(LLM)上に構築されたマルチエージェントシステムは、複雑な推論、計画、ツール使用タスクに対処するための主要なパラダイムとなっている。 このようなシステムにおける主要な通信プロトコルは自然言語である: エージェントはメッセージのトークン・バイ・トークンを交換し、同僚が読み、検証し、応答できるように内部の推論を口述する。 エージェントは、テキスト生成のボトルネックを回避して、連続的な表現を直接交換する。 本稿では,潜時コミュニケーションの急速な発展をめざした文献を整理するための統一的な枠組みを提案する。
  論文  参考訳（メタデータ） (2026-06-04T05:10:20Z)
• Interpretation, Learning, and Empathy as One Constraint: A Residual-Adequacy Architecture with Accountable Abstention [0.0]
  一つの量から限界が生じる小さな認知アーキテクチャを開発する。 解釈決定ユニット(IDU)は、コンテントベクトルをレギュレーションのファミリを通じて解釈し、ライセンスするアクションを決定する。 任意のコンテンツと固定構成に対して、ユニークな端末証人を持つ有限個の有界コストステップで停止する。
  論文  参考訳（メタデータ） (2026-05-24T10:57:28Z)
• SAAG: Structured Agent Assessment and Grounding [13.62148061055744]
  本稿では,エージェント呼び出し評価を3段階に分解するケースケード診断フレームワークを提案する。 このフレームワークは,5,10,15エージェントのレジストリサイズにまたがって,Glaiveの関数呼び出しデータセットから得られたベンチマークで評価する。
  論文  参考訳（メタデータ） (2026-04-30T19:33:58Z)
• Semantic Entanglement in Vector-Based Retrieval: A Formal Framework and Context-Conditioned Disentanglement Pipeline for Agentic RAG Systems [0.0]
  埋め込み空間における交叉重なりのモデル相対尺度として意味的絡み合いを定式化する。 埋め込みに先立って文書を再構成する4段階の事前処理フレームワークであるセマンティック・ディスタングルメント・パイプライン(SDP)を紹介した。 約25のサブドメインにわたる2,000以上のドキュメントからなる実世界の企業医療知識ベースでSDPを評価した。
  論文  参考訳（メタデータ） (2026-04-20T00:24:34Z)
• Taming SAM3 in the Wild: A Concept Bank for Open-Vocabulary Segmentation [57.427604620940734]
  TextscConceptBankは、視覚的証拠とプロンプトの整合性を取り戻すためのフレームワークだ。 我々のアプローチは、クラスワイドなビジュアルプロトタイプによるターゲットドメインの証拠をアンロックし、(textitii)マイニングの代表者はデータドリフト下でのアウトリーチを抑えることをサポートし、(textitiii)コンセプトドリフトの修正のために候補概念を融合させる。
  論文  参考訳（メタデータ） (2026-02-06T02:59:11Z)
• OMG-Agent: Toward Robust Missing Modality Generation with Decoupled Coarse-to-Fine Agentic Workflows [9.617220633655716]
  textbfunderlineOmni-textbfunderlineModality textbfunderlineGeneration Agent (textbfOMG-Agent)について述べる。
  論文  参考訳（メタデータ） (2026-02-04T02:25:40Z)
• Reasoning-Driven Amodal Completion: Collaborative Agents and Perceptual Evaluation [17.405818788700234]
  本稿では,視覚合成から意味的計画を明確に分離する協調的マルチエージェント推論フレームワークを提案する。 提案手法は,画素生成前の構造的,明示的なプランを生成し,視覚的,意味的に整合した単一パス合成を可能にする。 従来の評価基準の限界に対処し,新しい人間対応評価指標MAC-Scoreを導入する。
  論文  参考訳（メタデータ） (2025-12-24T04:39:45Z)
• TransFIRA: Transfer Learning for Face Image Recognizability Assessment [73.61309363885552]
  TransFIRAは軽量でアノテーションのないフレームワークで、埋め込みスペースで直接認識できる。 顔以外の新しい拡張には、エンコーダで座屈した説明可能性があり、これは、劣化と被写体固有の要因が認識可能性にどのように影響するかを示す。 実験では、顔に対する最先端の結果、身体認識に対する強い堅牢性、およびデータセット間のシフトの下で確認された。
  論文  参考訳（メタデータ） (2025-10-07T18:16:21Z)
• Hierarchical Context Alignment with Disentangled Geometric and Temporal Modeling for Semantic Occupancy Prediction [61.484280369655536]
  カメラを用いた3Dセマンティック占領予測(SOP)は、限られた2次元画像観察から複雑な3Dシーンを理解するのに不可欠である。 既存のSOPメソッドは通常、占有表現学習を支援するためにコンテキストの特徴を集約する。 より正確なSOP(Hi-SOP)のための新しい階層型コンテキストアライメントパラダイムを導入する。
  論文  参考訳（メタデータ） (2024-12-11T09:53:10Z)
• Rethinking the Two-Stage Framework for Grounded Situation Recognition [61.93345308377144]
  接地状況認識は「人間のような」事象理解に向けた重要なステップである。 既存のGSR手法では、第1段階で動詞を予測し、第2段階での意味的役割を検出するという、2段階の枠組みを採用している。 本稿では,CFVM (Coarse-to-Fine Verb Model) と Transformer-based Noun Model (TNM) で構成される新しいGSR用SituFormerを提案する。
  論文  参考訳（メタデータ） (2021-12-10T08:10:56Z)
• Inter-class Discrepancy Alignment for Face Recognition [55.578063356210144]
  IA(Inter-class DiscrepancyAlignment)という統合フレームワークを提案する。 IDA-DAOは、画像と隣人の相違を考慮した類似度スコアの整合に使用される。 IDA-SSEは、GANで生成された仮想候補画像を導入することで、説得力のあるクラス間隣人を提供できます。
  論文  参考訳（メタデータ） (2021-03-02T08:20:08Z)

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。