論文の概要: AdapToPASS: Ambiguity-aware Adaptive Spherical Transformer for Panoramic Semantic Segmentation
- arxiv url: http://arxiv.org/abs/2608.29081v1
- Date: Sat, 29 Aug 2026 06:19:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:30.833961
- Title: AdapToPASS: Ambiguity-aware Adaptive Spherical Transformer for Panoramic Semantic Segmentation
- Title（参考訳）: AdapToPASS:パノラマセマンティックセマンティックセグメンテーションのためのアンビグニティ対応球形変圧器
- Abstract要約: 本稿では,ロバストなセマンティックセグメンテーションのための文脈的・幾何学的曖昧性を適応的にモデル化する,バイオインスパイアされた新しい球形トランスフォーマであるAdapToPASSを紹介する。
AdapToPASSは、屋内および屋外のセマンティックセグメンテーションにおいて、最先端の手法よりも一貫して優れている。
また,2M未満のパラメータを持つ軽量なモデルであるAdapToPASS-Swiftを導入し,球面変換に対する堅牢性を維持しながら,コンパクトなベースラインを越えた。
- 参考スコア（独自算出の注目度）: 16.447030602260057
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Spherical Transformers have emerged as a promising framework for panoramic semantic segmentation (PASS) by operating directly on spherical geometry and alleviating projection-induced distortions. However, existing architectures often assume canonical spherical structure and stable viewpoints, which are frequently violated in real-world imagery due to unconstrained camera motion, introducing contextual and geometric ambiguity. Consequently, they lack adaptive mechanisms to handle such ambiguity, limiting robustness to unseen spherical transformations. In contrast, biological perception is inherently ambiguity-aware, adapting to fluctuations in cue reliability caused by geometric and contextual variations to maintain stable interpretation under complex transformations. Motivated by this, we first systematically analyze existing PASS architectures under various unseen spherical transformations. We then introduce AdapToPASS, a novel bio-inspired Spherical Transformer that adaptively models contextual and geometric ambiguities for robust PASS. At its core, Adaptive Spherical Attention (AdaSpA) blocks dynamically modulate attention according to local contextual ambiguity, mimicking adaptive, context-driven biological perception. To address geometric ambiguity, AdapToPASS employs Bifocal Spherical Representation to balance field of view and spatial resolution, together with boundary supervision inspired by the boundary-sensitive nature of biological vision. Across indoor and outdoor semantic segmentation, AdapToPASS consistently outperforms prior state-of-the-art methods. Under unseen spherical transformations, it surpasses the next-best method by +13.38% relative mIoU on Stanford2D3D and +18.77% on WildPASS. We further introduce AdapToPASS-Swift, a lightweight variant with fewer than 2M parameters, which surpasses compact baselines while retaining robustness to spherical transformations.
- Abstract（参考訳）: 球状トランスフォーマーは、球形形状を直接操作し、投影誘起歪みを緩和することにより、パノラマ意味セマンティックセグメンテーション(PASS)のための有望なフレームワークとして登場した。
しかし、既存のアーキテクチャは、しばしば標準的な球面構造と安定した視点を前提としており、これは、制約のないカメラの動きによって現実のイメージにしばしば違反し、文脈的および幾何学的曖昧さをもたらす。
その結果、このようなあいまいさを扱うための適応的なメカニズムが欠如し、頑健さは見えない球面変換に制限される。
対照的に、生物学的知覚は本質的に曖昧さを意識しており、幾何学的および文脈的変動に起因するキュー信頼性の変動に適応し、複雑な変換の下で安定した解釈を維持する。
そこで我々は,まず既存のPASSアーキテクチャを,目に見えない様々な球面変換の下で体系的に解析する。
次に, バイオインスパイアされた新しい球状トランスであるAdapToPASSを紹介し, 頑健なPASSに対して, 文脈的, 幾何学的曖昧さを適応的にモデル化する。
適応球面注意(Adaptive Spherical Attention, AdaSpA)は、局所的な文脈のあいまいさに応じて注意を動的に調節し、適応的で文脈に依存した生物学的知覚を模倣する。
幾何学的曖昧さに対処するため、AdapToPASSは、視野と空間分解のバランスをとるために双焦点球面表現(Bifocal Spherical Representation)を採用している。
屋内および屋外のセマンティックセマンティックセグメンテーション全体において、AdapToPASSは、常に最先端のメソッドよりも優れています。
目に見えない球面変換の下では、Stanford2D3Dでは+13.38%、WildPASSでは+18.77%の相対mIoUが、次のベストメソッドを超える。
さらに,2M未満のパラメータを持つ軽量なモデルであるAdapToPASS-Swiftを導入する。
関連論文リスト
- SphereSOD: Geometry-Structure Coupled Learning for 360 Salient Object Detection [75.77856258186854]
360度高解像度物体検出は、全視野にわたって高解像度領域を正確に分割することを目的としている。
既存の手法は主に、パノラマ幾何学と健全な物体構造との相互作用を見越しながら、投影歪みを補正することに焦点を当てている。
SphereSODは、パノラマ幾何学と進化する塩分構造を結合したERPネイティブフレームワークである。
論文 参考訳（メタデータ） (2026-09-07T14:47:54Z) - Change-Robust Online Spatial-Semantic Topological Mapping [10.541004576272163]
自律型ロボットは、環境の変化にもかかわらず、どこに行くか、どうやって行くか、そしてロボットがどこにいるかを決定するために、変更のロマンティックな推論を必要とする。
既存のアプローチは通常SLAMで構築されたメートル法マップにセマンティクスを付加するが、これらのパイプラインは外観シフトやシーンダイナミクスの下で不安定である。
本稿では,RGB-D再構成のオンライン・ポーズ対応トポロジカルグラフに,一貫した計量基板を置き換えた変更ロバストオンライン空間意味表現を提案する。
論文 参考訳（メタデータ） (2026-05-04T05:00:12Z) - Two-chart Beltrami Optimization for Distortion-Controlled Spherical Bijection with Application to Brain Surface Registration [0.42970700836450487]
球面ベルトラミ微分 (SBD) は、単位球面の準同型自己写像の2文字表現である。
BOOSTは、2つのBeltramiフィールドを更新してタスク駆動損失を最小限に抑えつつ、歪みを規則化し、シームに沿って一貫性を強制する、微分可能な最適化フレームワークである。
論文 参考訳（メタデータ） (2026-02-02T03:29:14Z) - TRACER: Texture-Robust Affordance Chain-of-Thought for Deformable-Object Refinement [37.77903164878976]
TRACER は Texture-Robust Affordance Chain-of- Thought with dEformable-object Refinement framework である。
セマンティック推論から外見が損なわれ、物理的に一貫した機能領域の洗練まで、階層横断的なマッピングを提供する。
Fine-AGDDO15データセットと実世界のロボットプラットフォームで実施された実験は、TRACERが精度を著しく向上することを示した。
論文 参考訳（メタデータ） (2026-01-28T03:12:18Z) - Talk2Move: Reinforcement Learning for Text-Instructed Object-Level Geometric Transformation in Scenes [69.4534914304302]
本研究では,シーン内のオブジェクトのテキストによる空間変換を行うフレームワークであるTalk2Moveを紹介する。
Talk2Moveでは,さまざまなロールアウトを通じて幾何学的アクションを探索するために,グループ相対ポリシー最適化を採用している。
キュレートされたベンチマークの実験では、Talk2Moveは正確で一貫性があり、セマンティックに忠実なオブジェクト変換を実現している。
論文 参考訳（メタデータ） (2026-01-05T18:55:32Z) - Generalizing Shape-from-Template to Topological Changes [3.9171668133637314]
本稿では,変形可能なオブジェクトの表面を再構成するためのShape-from-Template(SfT)手法の原理的拡張を提案する。
我々のアプローチは、空間領域を分割することでテンプレートを反復的に適応し、エネルギー関数を最小限に抑えることである。
本手法は, 境界面上の断裂や切削など, 実用的に関係する幅広いトポロジカル事象を強固にキャプチャする。
論文 参考訳（メタデータ） (2025-11-05T13:32:05Z) - Dense Semantic Matching with VGGT Prior [49.42199006453071]
本稿では,VGGTの本質的な強みを,初期の特徴段階を再利用し,後続の特徴段階を微調整し,双方向対応のための意味的頭部を追加することによって維持するアプローチを提案する。
提案手法は, 従来のベースラインよりも優れた幾何認識, 整合性, および多様体保存を実現する。
論文 参考訳（メタデータ） (2025-09-25T14:56:11Z) - Geometrically Constrained and Token-Based Probabilistic Spatial Transformers [5.437226012505534]
我々は、トランスフォーマーベースのビジョンパイプラインの標準化ツールとして、空間トランスフォーマーネットワーク(STN)を再考する。
本稿では、堅牢性を向上させる確率的、コンポーネントワイドな拡張を提案する。
本手法が他のSTNと比較して頑健さを常に向上することを示す。
論文 参考訳（メタデータ） (2025-09-14T11:30:53Z) - 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) - SGFormer: Spherical Geometry Transformer for 360 Depth Estimation [52.23806040289676]
パノラマ歪みは360度深度推定において大きな課題となる。
本稿では,SGFormer という球面形状変換器を提案し,上記の問題に対処する。
また、様々な解像度で空間構造を補うために、クエリベースの大域的条件位置埋め込みを提案する。
論文 参考訳（メタデータ） (2024-04-23T12:36:24Z) - Behind Every Domain There is a Shift: Adapting Distortion-aware Vision Transformers for Panoramic Semantic Segmentation [73.48323921632506]
パノラマ的セマンティックセマンティックセグメンテーションは2つの重要な課題により未探索である。
まず、変形性パッチ埋め込み(DPE)と変形性(DMLPv2)モジュールを備えたパノラマセマンティックトランス4PASS+を改良したトランスフォーマーを提案する。
第2に、教師なしドメイン適応パノラマセグメンテーションのための擬似ラベル修正により、Mutual Prototypeal Adaptation(MPA)戦略を強化する。
第3に、Pinhole-to-Panoramic(Pin2Pan)適応とは別に、9,080パノラマ画像を用いた新しいデータセット(SynPASS)を作成します。
論文 参考訳（メタデータ） (2022-07-25T00:42:38Z)
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。