論文の概要: RailSyn: Diagnosis-Guided Image Generation for Traceable Data Completion in Railway Foreign Object Detection

• arxiv url: http://arxiv.org/abs/2608.30709v1
• Date: Mon, 31 Aug 2026 12:47:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.39366
• Title: RailSyn: Diagnosis-Guided Image Generation for Traceable Data Completion in Railway Foreign Object Detection
• Title（参考訳）: RailSyn:鉄道異物検出におけるトレーサブルデータ補完のための診断誘導画像生成
• Abstract要約: RailSynは、実際の参照インスペクタと要件に準拠したジェネレータで構成される診断誘導フレームワークである。 このシステムはC_gap$から13.64%のローカルシェルの占有を達成し、実際の完了領域のカバレッジを計測する。 実験の結果、AP50--95は最大4.9ポイントまで上昇し、9つの主流検出器で一貫した改善が見られた。
• 参考スコア（独自算出の注目度）: 17.356035320479492
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Railway foreign object detection (RFOD) is critical to safe railway operation, yet scarce real positive samples incompletely represent task-relevant variations in object scale, intrusion relation, railway scene, illumination, and adverse weather. Existing synthetic augmentation can improve RFOD detection, but its gains lack an explicit account of the task-relevant deficiencies complemented by the generated data. We therefore introduce RailSyn, a diagnosis-guided framework comprising a real-referenced Inspector and a requirement-aligned Generator. The Inspector constructs a variable-radius empirical cover from finite real observations to localize candidate completion regions and profile synthetic pools. The resulting audit identifies railway-context, intrusion-semantic, and visual-consistency requirements; the Generator addresses them through domain adaptation, agent-planned placement and physical contact relations, and plan-consistent conditional refinement. Using the Inspector, we further trace representation-space changes across generation variants; the complete system attains a local-shell occupation of $C_{gap}$ to 13.64%, which measures generated coverage of real-derived completion regions. Extensive experiments show AP50--95 gains of up to 4.9 points and consistent improvements across nine mainstream detectors, demonstrating broad cross-architecture utility.
• Abstract（参考訳）: 鉄道外物検出(RFOD)は鉄道運転の安全のために重要であるが、実際の正のサンプルが不足していることは、被写体規模、侵入関係、鉄道現場、照明、悪天候のタスク関連の変化を不完全に表している。 既存の合成拡張はRFODの検出を改善することができるが、そのゲインには生成されたデータによって補完されるタスク関連欠陥の明示的な説明が欠けている。 そこで本研究では,リアルタイムインスペクタと要求整合ジェネレータを組み合わせた診断誘導フレームワークであるRailSynを紹介する。 インスペクタは有限実観測から可変半径経験被覆を構築し、候補完備領域とプロファイル合成プールをローカライズする。 結果として得られた監査は、鉄道条件、侵入シーケンス、および視覚的整合性要件を特定し、ジェネレータはそれらをドメイン適応、エージェント計画された配置と物理的接触関係、プラン整合性条件の洗練を通じて対処する。 Inspectorを用いて、生成した変種間での表現空間の変化をさらに追跡し、その完全系は、実数由来の完備領域の生成されたカバレッジを測定するC_{gap}$ 13.64%の局所的な占有を達成する。 大規模な実験ではAP50--95が最大4.9ポイント向上し、9つの主流検出器で一貫した改良がなされた。

関連論文リスト

• Active Adversarial Perturbation-driven Associative Memory Retrieval for RGB-Event Visual Object Tracking [58.338848435042536]
  RGB-Eventトラッキングは、イベントセンサからRGB外観テクスチャと高密度時間運動キューを融合することにより、ローカライズを改善する。 現実世界のシーンは、従来のマルチモーダル融合を妨げる多様な構造的な信号劣化に悩まされる。 本稿では,RGBイベント追跡に適した階層的摂動・検索フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-24T23:34:06Z)
• StainFlow: Entity-Stain Tracking and Evidence Linking for Process Rewards in GUI Agents [67.03593791535786]
  強化学習(Reinforcement Learning, RL)は、長期のデジタル環境においてGUIエージェントを改善するための有望なアプローチである。 この問題を軽減するため、最近の研究はプロセス・リワード・モデル(PRM)を導入している。 PRMは、グローバルマイルストーン検証やローカルステップレベルの評価を通じて、よりきめ細かいトレーニングフィードバックを提供する。 本稿では,GUIエージェントのためのエンティティ・スタンフロープロセス報酬モデルであるStainFlowを提案する。
  論文  参考訳（メタデータ） (2026-06-05T08:17:28Z)
• Can LLM Agents Respond to Disasters? Benchmarking Heterogeneous Geospatial Reasoning in Emergency Operations [55.251494694783894]
  災害対応エージェントベンチマーク(DORA)は、エンド・ツー・エンドの災害対応のための最初のエージェントベンチマークである。 タスクは、災害認識、空間関係分析、救助・避難計画、時間的進化推論、マルチモーダルレポート合成という、災害対応パイプラインをカバーする5つの次元にまたがる。 DORAは、運用上の信頼性の高い災害対応エージェントのための厳格なテストベッドを確立する。
  論文  参考訳（メタデータ） (2026-05-12T06:57:41Z)
• Prompt-Driven Lightweight Foundation Model for Instance Segmentation-Based Fault Detection in Freight Trains [6.6492664858930475]
  本稿では,貨物列車の故障検出に適した軽量なインスタンスセグメント化フレームワークを提案する。 本手法は,タスク固有のプロンプトを自動生成する自己プロンプト生成モジュールを導入することで,セグメンテーションモデルを活用する。 さらに、Tiny Vision Transformerのバックボーンを採用して計算コストを削減し、鉄道監視システムにおけるエッジデバイスへのリアルタイム展開に適したフレームワークを実現する。
  論文  参考訳（メタデータ） (2026-03-13T03:56:37Z)
• TransBridge: Boost 3D Object Detection by Scene-Level Completion with Transformer Decoder [66.22997415145467]
  本稿では,スパース領域における検出機能を改善する共同補完・検出フレームワークを提案する。 具体的には,トランスブリッジ(TransBridge)を提案する。トランスブリッジ(TransBridge)はトランスフォーマーをベースとした新しいアップサンプリングブロックである。 その結果,本フレームワークは,各手法の平均精度(mAP)が0.7から1.5の範囲で,エンドツーエンドの3Dオブジェクト検出を一貫して改善していることがわかった。
  論文  参考訳（メタデータ） (2025-12-12T00:08:03Z)
• Towards Railway Domain Adaptation for LiDAR-based 3D Detection: Road-to-Rail and Sim-to-Real via SynDRA-BBox [3.3810628880631226]
  我々は,現実的な鉄道シナリオにおいて,物体検出やその他の視覚に基づくタスクを支援するために設計された合成データセットであるSynDRA-BBoxを紹介する。 我々の知る限りでは、鉄道領域における2次元および3次元物体検出に適した、初めての合成データセットである。 最先端の半教師付きドメイン適応法を鉄道状況に適用し、合成データの3次元オブジェクト検出への転送性を実現する。
  論文  参考訳（メタデータ） (2025-07-22T10:04:49Z)
• Towards Operational Automated Greenhouse Gas Plume Detection [0.15556354682377155]
  この研究は、データとラベルの品質管理、バイアスの防止、そして正しく整列されたモデリング目的など、この分野におけるいくつかの重要な障害をレビューし対処する。 運用性能検出が可能な航空機および宇宙搭載機器のマルチキャンプデータを用いた厳密な実験を実演する。 分析可能なデータ、モデル、デプロイメントのためのソースコードを提供し、ベストプラクティスのセットを定義します。
  論文  参考訳（メタデータ） (2025-05-27T22:22:54Z)
• SynRailObs: A Synthetic Dataset for Obstacle Detection in Railway Scenarios [1.2277343096128712]
  SynRailObsは多種多様な気象条件と地理的特徴を表すために設計された高忠実な合成データセットである。 我々は実世界の鉄道環境で実験を行い、バラストとバラストレスの両方の線路で試験を行った。 その結果,SynRailObsは鉄道安全への応用において,障害物検出を推し進める大きな可能性を秘めていることがわかった。
  論文  参考訳（メタデータ） (2025-05-16T01:49:55Z)
• Seamless Detection: Unifying Salient Object Detection and Camouflaged Object Detection [73.85890512959861]
  本稿では,SOD(Salient Object Detection)とCOD(Camouflaged Object Detection)を統合化するためのタスク非依存フレームワークを提案する。 我々は、間隔層と大域的コンテキストを含む単純で効果的なコンテキストデコーダを設計し、67fpsの推論速度を実現する。 公開SODデータセットとCODデータセットの実験は、教師なし設定と教師なし設定の両方において、提案したフレームワークの優位性を実証している。
  論文  参考訳（メタデータ） (2024-12-22T03:25:43Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Wooden Sleeper Deterioration Detection for Rural Railway Prognostics Using Unsupervised Deeper FCDDs [0.0]
  本研究では, 鉄道部品の欠陥に対する深いFCDDを用いた一級損傷分類を自動化するための識別器パイプラインを考案した。 畳み込みニューラルネットワーク(CNN)を用いた深部骨のアブレーション研究も行った。 曇りの日当たりの後方から鉄道線路の映像取得データセットを用いた鉄道検査への適用を実演した。
  論文  参考訳（メタデータ） (2023-05-09T00:16:49Z)

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。