Fugu-MT 論文翻訳(概要): Continual Visual Learning under Evolving Semantic Concept Shift

論文の概要: Continual Visual Learning under Evolving Semantic Concept Shift

arxiv url: http://arxiv.org/abs/2608.23903v1
Date: Mon, 24 Aug 2026 23:14:46 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-26 14:09:34.657747
Title: Continual Visual Learning under Evolving Semantic Concept Shift
Title（参考訳）: セマンティック・コンセプトシフトの展開による連続的視覚学習
Abstract要約: SemReWriteは、有効な知識を保持しながら、古いビジュアルセマンティックマッピングを選択的に更新するフレームワークである。また、ImageNet、iNaturalist、CUB-200-2011、DomainNetにまたがるEvoShift-Benchについても、クラス分割、マージ、境界修正、挿入、部分再定義、再発、混合セマンティック-外観シフトを含むセマンティックトランジションを導入している。
参考スコア（独自算出の注目度）: 1.565870461096057
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Visual foundation models are commonly adapted under the assumption that the appearance of incoming data may change while the semantic meaning of the prediction task remains fixed. In long-lived visual systems, however, taxonomies, policies, and concept definitions can themselves evolve, causing the same visual evidence to require a different interpretation. We study this setting as evolving semantic concept shift and introduce SemReWrite, a framework for selectively updating obsolete visual--semantic mappings while preserving knowledge that remains valid. SemReWrite represents changes between old and revised semantic specifications, combines semantic discrepancy with sparse revised supervision to localize affected visual regions, and uses an input-dependent low-rank rewriting mechanism together with structured semantic memory, preservation, and obsolete-decision suppression. We further introduce EvoShift-Bench, spanning ImageNet, iNaturalist, CUB-200-2011, and DomainNet, with semantic transitions including class split, merge, boundary revision, insertion, partial redefinition, recurrence, and mixed semantic--appearance shift. To explicitly evaluate selective semantic revision, we introduce Rewrite Accuracy (RA) and Preservation Accuracy (PA) for affected and unaffected regions, respectively, Obsolete Retention (OR) for measuring residual outdated semantic associations, and the Selective Revision Score (SRS), which jointly summarizes rewriting and preservation performance. Experiments show that SemReWrite achieves a stronger balance between learning revised semantics and retaining unaffected knowledge than prompt replacement, conventional fine-tuning, parameter-efficient adaptation, and continual-learning strategies.
Abstract（参考訳）: 視覚基礎モデルは、入力データの出現が変化し、予測タスクの意味的意味が固定されているという仮定の下で、一般的に適応される。しかし、長寿命の視覚システムでは、分類学、ポリシー、概念定義自体が進化し、同じ視覚的証拠が別の解釈を必要とする。本研究では,セマンティック・セマンティック・マッピングを選択的に更新するフレームワークであるSemReWriteを紹介し,このセマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・シフト(セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・シフト)を導入した。 SemReWriteは、旧来のセマンティック仕様と改訂されたセマンティック仕様の変更を表し、セマンティック不一致と、影響のある視覚領域のローカライズのためのスパースなリビジョンとを組み合わせて、構造化されたセマンティックメモリ、保存、陳腐化抑制とともに、入力依存の低ランクリライト機構を使用する。さらに、ImageNet、iNaturalist、CUB-200-2011、DomainNetにまたがるEvoShift-Benchを紹介し、クラス分割、マージ、境界修正、挿入、部分再定義、繰り返し、混合意味-出現シフトを含むセマンティックトランジションを提供する。選択的セマンティックリビジョンを明示的に評価するために, 被害領域に対するリライト精度 (RA) と保存精度 (PA) , 残欠したセマンティックアソシエーションを計測するためのオブソライト保持 (OR) , 書き直しと保存性能を共同で要約した選択リビジョンスコア (SRS) を導入する。実験の結果,SemReWriteは,改良されたセマンティクスの学習と影響のない知識の保持のバランスが,従来の微調整,パラメータ効率の向上,継続的な学習戦略よりも高いことがわかった。

関連論文リスト

Provenance Guided Incremental Learning Under Evolving Concept Definitions [0.0]
本稿では,ルールによる概念シフトについて検討し,ターゲット定義概念を直接修正する。我々は、連続した概念定義を構造化されたルールデルタにコンパイルする証明誘導型インクリメンタルラーニングフレームワークを導入する。また、金融、人口統計、サイバーセキュリティ、グラフ構造化データにしきい値、述語、論理、リレーショナル、リレーショナル、リレーショナル、混合概念の修正を加えたルールシフトベンチも導入しています。
論文参考訳（メタデータ） (2026-08-24T23:03:10Z)
Structured-Condensed Prompt Tuning in Vision-Language Models for Fine-grained Image Recognition [38.294322671641545]
微粒な画像認識は、手動のアノテーションに必要な相当な専門知識と努力のために重要な課題である。現在のメソッドでは、クラスラベルを独立した独立したエンティティとして扱い、それらの間のリッチなセマンティックな関係を見渡しています。本稿では,素早い学習における意味的構造モデリングの強化を目的としたSCPT(Structured-Condensed Prompt Tuning)を提案する。
論文参考訳（メタデータ） (2026-07-07T12:09:49Z)
Prompt-Anchored Vision-Text Distillation for Lifelong Person Re-identification [60.02530716177415]
生涯人物再識別(LReID)は、逐次的に収集されたデータで一般化可能なモデルを訓練することを目的としている。既存の非現代的なアプローチは、視覚のみの蒸留やパラメータ正規化に大きく依存している。本稿では,意味的アライメントとドメイン間一般化のための非対称な視覚テキストフレームワークであるPrompt-Anchored Vision-text Distillation (PAD)を提案する。
論文参考訳（メタデータ） (2026-05-06T15:23:13Z)
SemCovNet: Towards Fair and Semantic Coverage-Aware Learning for Underrepresented Visual Concepts [11.181779608395184]
既存のデータセットはセマンティックカバー不均衡(SCI)を示す SCIは意味レベルで発生し、モデルがどのように学習し、稀だが意味のある意味論を推論するかに影響を与える。本稿では,SCIの修正を明示的に学習する新しいモデルであるSemantic Coverage-Aware Network (SemCovNet)を提案する。
論文参考訳（メタデータ） (2026-02-18T22:18:29Z)
TaCo: Capturing Spatio-Temporal Semantic Consistency in Remote Sensing Change Detection [54.22717266034045]
Ta-Coは時間的意味遷移のための一貫したセマンティックネットワークである。我々は,Ta-Coがリモートセンシング検出タスクにおいて一貫したSOTA性能を実現することを示す。この設計は推論中に余分な計算オーバーヘッドを伴わずにかなりの利得を得ることができる。
論文参考訳（メタデータ） (2025-11-25T13:44:29Z)
Semantic Prioritization in Visual Counterfactual Explanations with Weighted Segmentation and Auto-Adaptive Region Selection [50.68751788132789]
本研究は,自動適応候補編集ネットワーク(WSAE-Net)を用いた重み付きセマンティックマップ(Weighted Semantic Map)という,革新的な手法を提案する。重み付きセマンティックマップの生成は、計算される必要のある非意味的特徴単位の削減を最大化するように設計されている。自動適応型候補編集シーケンスは、処理すべき特徴ユニット間の最適な計算順序を決定するように設計されている。
論文参考訳（メタデータ） (2025-11-17T05:34:10Z)
Harnessing Textual Semantic Priors for Knowledge Transfer and Refinement in CLIP-Driven Continual Learning [47.56496248878093]
継続的な学習は、過去の知識を忘れずにタスクの流れから学習する能力をモデルに装備することを目的としている。本稿では,テキスト先行のアンチフォッゲッティングと構造化の性質を利用した統合フレームワークを提案し,セマンティック・アウェア・ナレッジ・トランスファーを導く。
論文参考訳（メタデータ） (2025-08-03T04:09:00Z)
PseudoNeg-MAE: Self-Supervised Point Cloud Learning using Conditional Pseudo-Negative Embeddings [55.55445978692678]
PseudoNeg-MAEは、ポイントクラウドマスマスキングオートエンコーダのグローバルな特徴表現を強化する。本研究では,ネットワークが識別的表現を保ちながら,よりリッチな変換キューをキャプチャできる新たな損失を提案する。
論文参考訳（メタデータ） (2024-09-24T07:57:21Z)
Progressive Semantic-Visual Mutual Adaption for Generalized Zero-Shot Learning [74.48337375174297]
一般化ゼロショット学習(GZSL)は、目に見えない領域から移行した知識によって、見えないカテゴリを特定する。プロトタイプと視覚特徴の対応性を段階的にモデル化するために,デュアルセマンティック・ビジュアル・トランスフォーマーモジュール(DSVTM)をデプロイする。 DSVTMは、インスタンス中心のプロトタイプを学習して異なる画像に適応させる、インスタンス駆動セマンティックエンコーダを考案した。
論文参考訳（メタデータ） (2023-03-27T15:21:43Z)
Meta-Learning with Variational Semantic Memory for Word Sense Disambiguation [56.830395467247016]
メタ学習環境におけるWSDのセマンティックメモリモデルを提案する。我々のモデルは階層的変動推論に基づいており、ハイパーネットワークを介して適応的なメモリ更新ルールを組み込んでいる。極めて少ないシナリオでの効果的な学習を支援するために,本モデルがWSDで最先端の技術を数ショットで実現していることを示す。
論文参考訳（メタデータ） (2021-06-05T20:40:01Z)

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。