論文の概要: Progressive Pseudo-Label Optimization for Point-Supervised Change Detection

• arxiv url: http://arxiv.org/abs/2609.02171v1
• Date: Wed, 02 Sep 2026 06:33:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.107411
• Title: Progressive Pseudo-Label Optimization for Point-Supervised Change Detection
• Title（参考訳）: 点超過変化検出のためのプログレッシブ擬似ラベル最適化
• Abstract要約: SAM2をPS-CDに導入し,対象タスクに段階的に適応する2段階フレームワークを提案する。 ステージIでは、SAM2は、両時間画像上の点アノテーションからオブジェクト認識候補マスクを生成し、両時間マスク選択戦略は、ジェネリックセグメンテーション応答をより信頼性の高い変更擬似ラベルに変換するように設計されている。 段階IIでは,教師が指数的な移動平均によって更新され,定期的に擬似ラベルを更新する自己学習フレームワークを構築した。
• 参考スコア（独自算出の注目度）: 22.97049233002384
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Point-supervised change detection (PS-CD) aims to identify pixel-level changes between bi-temporal images using only sparsely annotated points. Although point annotations substantially reduce labeling costs, their limited spatial coverage often results in incomplete and noisy pseudo-labels. To address this issue, we propose a two-stage framework that introduces SAM2 priors into PS-CD and progressively adapts them to the target task. In Stage I, SAM2 generates object-aware candidate masks from point annotations on the bi-temporal images, and a bi-temporal mask selection strategy is designed to convert generic segmentation responses into more reliable change pseudo-labels. Subsequently, a lightweight CNN refinement module with an uncertainty-aware loss is employed to improve boundary quality and local structural consistency. In Stage II, we construct a teacher-student self-training framework in which the teacher is updated by exponential moving average and periodically refreshes the pseudo-labels. This design establishes a closed-loop optimization process that alternates between pseudo-label refinement and model re-optimization. Experiments on three benchmark datasets, including WHU-CD, LEVIR-CD, and SYSU-CD, demonstrate that the proposed method outperforms previous weakly supervised approaches on most benchmarks and remains competitive with several fully supervised methods.
• Abstract（参考訳）: 点教師付き変化検出 (PS-CD) は, 短い注記点のみを用いて, 両時間画像間の画素レベルの変化を特定することを目的としている。 点アノテーションはラベリングコストを大幅に削減するが、空間範囲が限られると、しばしば不完全でノイズの多い擬似ラベルが生じる。 この問題に対処するため,PS-CDにSAM2プリエントを導入し,対象タスクに段階的に適応する2段階フレームワークを提案する。 ステージIでは、SAM2は、両時間画像上の点アノテーションからオブジェクト認識候補マスクを生成し、両時間マスク選択戦略は、ジェネリックセグメンテーション応答をより信頼性の高い変更擬似ラベルに変換するように設計されている。 その後、境界品質と局所構造整合性を改善するために、不確実性を考慮した軽量CNNリファインメントモジュールが使用される。 段階IIでは,教師が指数的な移動平均によって更新され,定期的に擬似ラベルを更新する自己学習フレームワークを構築した。 この設計は、擬似ラベルの改良とモデル再最適化を交互に行うクローズドループ最適化プロセスを確立する。 WHU-CD、LEVIR-CD、SYSU-CDを含む3つのベンチマークデータセットの実験は、提案手法が従来の弱い教師付きアプローチよりも優れていることを示した。

関連論文リスト

• Semi-Supervised Hyperspectral Image Classification with Edge-Aware Superpixel Label Propagation and Adaptive Pseudo-Labeling [5.022329161015679]
  本研究では,空間的事前情報と動的学習機構を組み合わせた半教師付きハイパースペクトル分類フレームワークを提案する。 擬似ラベル変動を緩和し,時間的一貫性と耐雑音性を向上する動的履歴融合予測法(DHP)を提案する。 Dynamic Reliability-Enhanced Pseudo-Label Framework (DREPL)は、時間的およびサンプルドメイン間の擬似ラベル安定性を強化する。
  論文  参考訳（メタデータ） (2026-01-26T00:31:08Z)
• Prototype-Guided Pseudo-Labeling with Neighborhood-Aware Consistency for Unsupervised Adaptation [12.829638461740759]
  CLIPのような視覚言語モデルに対する教師なし適応では、ゼロショット予測からの擬似ラベルは大きなノイズを示すことが多い。 本稿では,プロトタイプの整合性と近傍の整合性を統合することで,CLIPの適応性能を向上させる適応型擬似ラベルフレームワークを提案する。 提案手法は、教師なし適応シナリオにおける最先端性能を実現し、計算効率を維持しつつ、より正確な擬似ラベルを提供する。
  論文  参考訳（メタデータ） (2025-07-22T19:08:24Z)
• Improving Weakly Supervised Temporal Action Localization by Exploiting Multi-resolution Information in Temporal Domain [84.73693644211596]
  時間領域における多重解像度情報を完全に活用するための2段階の手法を提案する。 第1段階では、外観と動きの流れの両方に基づいて、信頼できる初期フレームレベルの擬似ラベルを生成する。 第2段階では、疑似ラベルを反復的に洗練し、信頼度の高い疑似ラベルを持つ選択されたフレームの集合を用いてニューラルネットワークを訓練する。
  論文  参考訳（メタデータ） (2025-06-23T03:20:18Z)
• AdaSemiCD: An Adaptive Semi-Supervised Change Detection Method Based on Pseudo-Label Evaluation [0.0]
  擬似ラベルの使用を改善するための適応型動的半教師付き学習手法であるAdaCDを提案し,学習過程を最適化する。 LEVIR-CD, WHU-CD, CDDデータセットによる実験結果から, 適応学習フレームワークの有効性と普遍性を検証した。
  論文  参考訳（メタデータ） (2024-11-12T12:35:34Z)
• TrajSSL: Trajectory-Enhanced Semi-Supervised 3D Object Detection [59.498894868956306]
  Pseudo-labeling approach to semi-supervised learning は教師-学生の枠組みを採用する。 我々は、事前学習した動き予測モデルを活用し、擬似ラベル付きデータに基づいて物体軌跡を生成する。 提案手法は2つの異なる方法で擬似ラベル品質を向上する。
  論文  参考訳（メタデータ） (2024-09-17T05:35:00Z)
• HPL-ESS: Hybrid Pseudo-Labeling for Unsupervised Event-based Semantic Segmentation [47.271784693700845]
  本稿では,教師なしイベントベースセマンティックセマンティックセグメンテーション(HPL-ESS)のためのハイブリッド擬似ラベルフレームワークを提案する。 提案手法は,DSEC-Semanticデータセットにおいて,既存の最先端手法よりも高い性能を示す。
  論文  参考訳（メタデータ） (2024-03-25T14:02:33Z)
• Continual-MAE: Adaptive Distribution Masked Autoencoders for Continual Test-Time Adaptation [49.827306773992376]
  連続的テスト時間適応(CTTA)は、ソース事前学習モデルから目標分布の連続的な変化に移行するために提案される。 提案手法は,CTTAタスクの分類とセグメンテーションの両方において,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-12-19T15:34:52Z)
• Revisiting Domain-Adaptive 3D Object Detection by Reliable, Diverse and Class-balanced Pseudo-Labeling [38.07637524378327]
  ドメイン適応型3Dオブジェクト検出において,疑似ラベリング技術を用いた教師なしドメイン適応(DA)が重要なアプローチとして浮上している。 既存のDAメソッドは、マルチクラスのトレーニング環境に適用した場合、パフォーマンスが大幅に低下する。 本稿では,すべてのクラスを一度に検出する学習に適した新しいReDBフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-16T04:34:11Z)
• Image Understands Point Cloud: Weakly Supervised 3D Semantic Segmentation via Association Learning [59.64695628433855]
  ラベルのない画像から補完的な情報を取り入れた3次元セグメンテーションのための新しいクロスモダリティ弱教師付き手法を提案する。 基本的に、ラベルの小さな部分のパワーを最大化するために、アクティブなラベリング戦略を備えたデュアルブランチネットワークを設計する。 提案手法は,1%未満のアクティブなアノテーションで,最先端の完全教師付き競合よりも優れていた。
  論文  参考訳（メタデータ） (2022-09-16T07:59:04Z)
• Dual-Refinement: Joint Label and Feature Refinement for Unsupervised Domain Adaptive Person Re-Identification [51.98150752331922]
  Unsupervised Domain Adaptive (UDA) Person Re-identification (再ID) は、ターゲットドメインデータのラベルが欠落しているため、難しい作業です。 オフラインクラスタリングフェーズにおける擬似ラベルとオンライントレーニングフェーズにおける特徴を共同で改良する,デュアルリファインメントと呼ばれる新しいアプローチを提案する。 本手法は最先端手法を大きなマージンで上回っている。
  論文  参考訳（メタデータ） (2020-12-26T07:35:35Z)
• Two-phase Pseudo Label Densification for Self-training based Domain Adaptation [93.03265290594278]
  TPLDと呼ばれる,新規な二相擬似ラベル高密度化フレームワークを提案する。 第1フェーズでは,スライディングウインドウ投票を用いて,画像内の内在的空間相関を利用して,自信のある予測を広める。 第2フェーズでは,信頼度に基づく容易な分類を行う。 トレーニングプロセスの容易化と騒音予測の回避を目的として,ブートストラップ機構の導入を行った。
  論文  参考訳（メタデータ） (2020-12-09T02:35:25Z)

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。