論文の概要: Signal or Noise? Auditing Rotation-Induced Saliency Drift in Medical and Aerial Imaging

• arxiv url: http://arxiv.org/abs/2609.02224v1
• Date: Wed, 02 Sep 2026 07:35:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.136231
• Title: Signal or Noise? Auditing Rotation-Induced Saliency Drift in Medical and Aerial Imaging
• Title（参考訳）: 信号か雑音か : 医用・航空画像における回転誘起塩分濃度低下の観察
• Abstract要約: Grad-CAMのようなポストホックなサリエンシマップは、デプロイされたビジョンモデルがなぜ決定をしたかを確認するために、ますます使われています。 我々は、このドリフトがCAM演算子によって導入された忠実な信号なのかノイズなのかを問う。 EquiGrad-CAMはトレーニング不要のラッパーで、Tの回転ビューを取り、各ビューの塩分を共通の標準フレームに逆回転させる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Post-hoc saliency maps such as Grad-CAM are increasingly used to audit why a deployed vision model made a decision, yet the heatmap drifts when the input is rotated, even when the prediction is unchanged. In domains with no canonical orientation, such as histopathology and aerial imagery, this undermines using saliency as evidence. We ask whether that drift is faithful signal or noise introduced by the CAM operator, and answer it by measuring equivariance at every stage of the operator rather than inferring it from the network's output. The instability is not where one would guess: the channel weights are the most rotation-stable stage, and on ResNet-50 exactly stable, because a GAP+linear head makes the class gradient field spatially constant. What moves is the spatial activation tensor, and the classifier's own pooling discards that movement. A causal test confirms the consequence: occluding the pixels whose saliency drifts costs the model less than occluding random pixels, at either orientation. The drift is carried by degrees of freedom the classifier throws away, which is what makes removing it faithful rather than destructive. EquiGrad-CAM is a training-free wrapper that takes T rotated views, inverse-rotates each view's saliency into a common canonical frame, and averages. On the full ImageNet-1K validation set it raises equivariance over single-view Grad-CAM by +36.0% (ResNet-50), +87.5% (VGG-16) and +247% (ViT-B/16); a scale-matched ablation isolates alignment before averaging, not the locus of aggregation, as the driver. It beats rotation-augmented training without retraining, lifts zero-shot CLIP by +145%, and yields rotation-consistent explanations on PatchCamelyon and RESISC45. Its by-product PEUM ranks explanations by how reproducible they are, at no cost beyond the views already taken. Code: https://github.com/Khawaja-Murad/EquiGrad-CAM
• Abstract（参考訳）: Grad-CAMのようなポストホックなサリエンシマップは、デプロイされた視覚モデルがなぜ決定をしたのかを検査するために使われることが多いが、ヒートマップは、予測が変更されても、入力が回転されたときにドリフトする。 病理組織学や航空画像のような標準的指向を持たない領域では、このことはサリエンシを証拠として使うのを損なう。 我々は、このドリフトがCAM演算子によって導入された忠実な信号なのかノイズなのかを問うとともに、ネットワークの出力から推定するのではなく、演算子の各段階で等値を測定することで答える。 チャネル重みは最も回転安定な段階であり、ResNet-50上ではGAP+線形ヘッドがクラス勾配場を空間的に一定にするため、完全に安定である。 動くのは空間的アクティベーションテンソルであり、分類器自身のプールは、その動きを捨てる。 因果検定の結果は、正当性ドリフトのピクセルを除いた場合、どちらの方向でもランダムなピクセルを除いた場合よりも、モデルにコストがかかる。 ドリフトは、分類器が捨てる自由度によって運ばれる。 EquiGrad-CAMはトレーニング不要のラッパーで、Tの回転ビューを取り、各ビューのサリエンシを共通の標準フレームに逆回転させ、平均値を取得する。 ImageNet-1Kの完全な検証セットでは、シングルビューのGrad-CAMを+36.0%(ResNet-50)、+87.5%(VGG-16)、+247%(ViT-B/16)で同値にする。 PatchCamelyonとRESISC45では、ローテーション強化トレーニングをリトレーニングなしで達成し、ゼロショットCLIPを+145%引き上げ、ローテーション一貫性のある説明を得る。 PEUMの副産物であるPEUMは、それらがいかに再現可能かという説明を、すでに取られた見解を超えるコストでランク付けしている。 コード:https://github.com/Khawaja-Murad/EquiGrad-CAM

関連論文リスト

• Inference-Time Attention Steering for Vision-Language-Action Driving Models [0.8538830579425146]
  視覚言語-アクション(VLA)駆動モデルは、拡散に基づく軌道デコーダと推論段階を結合する。 我々は,Alpamayo-R1のQwen3-VLバックボーン上の検出器局在化トラフィックアクターの視覚トークンに対する有界付加性プレソフトマックスアテンションバイアスについて検討した。
  論文  参考訳（メタデータ） (2026-08-17T20:03:38Z)
• Sample-Adaptive Latent Rewards for Uncertainty-Guided Diffusion Post-Training [51.18425726646089]
  我々は、画像とビデオの拡散モデルのための統合潜在空間フレームワークであるtextscSUREを提案する。 報酬分布を学習し、信頼性を直接利用して、密集したポストトレーニングをガイドする。 textscSURE-REFLは評価手法の中で最も高いVBench品質、セマンティック、総得点を達成する。
  論文  参考訳（メタデータ） (2026-08-06T14:55:42Z)
• Image-Domain Tilt Constrained Distributed Fusion for Maneuvering UAV Tracking with Multi-Camera Electro-Optical Observations [1.5469452301122173]
  本稿では,UAV追跡操作のための画像領域傾斜制限分散融合法を提案する。 この方法はロータクラフト目標の見かけのロールとピッチを低レベルの操作キューとして画像に用いた。 その結果、画像領域の傾きは、堅牢な短水平UAV予測に有用な加速度制約を与えることができた。
  論文  参考訳（メタデータ） (2026-07-01T14:45:43Z)
• TACO: Trajectory Aligning Cross-view Optimisation [13.162763356411448]
  クロスビュー・ジオローカライゼーションは地上画像と衛星タイルとを一致させて絶対的な位置修正を行う。 近年の細粒化CVGL法は, サブタイル式メートル法を推し進めているが, ワンショットローカライザーとしてのみ評価されている。 TACOは密結合型IMU+細粒化CVGLパイプラインであり,起動時に1回の読み取りを消費し,その後,オンボードセンシングのみで動作させる。
  論文  参考訳（メタデータ） (2026-05-05T03:04:49Z)
• Real-Time Oriented Object Detection Transformer in Remote Sensing Images [36.48263676876599]
  本稿では,初のリアルタイム・エンドツーエンド指向オブジェクト検出装置であるリアルタイム指向オブジェクト検出変換器を提案する。 具体的には、角度の回帰を再構成するために、角度分布の微細化を提案する。 また、トレーニングを安定させ、4つのノイズモードを解析するために、指向性コントラストデノケーションを提案する。
  論文  参考訳（メタデータ） (2026-03-16T16:28:31Z)
• MIRA: Towards Mitigating Reward Hacking in Inference-Time Alignment of T2I Diffusion Models [86.07486858219137]
  拡散モデルは、テキストプロンプトに条件付けされた画像を生成するのに優れている。 得られた画像は、Aesthetic Scoresのようなスカラー報酬によって測定されるユーザ固有の基準を満たさないことが多い。 近年,ノイズ最適化による推定時間アライメントが,効率的な代替手段として浮上している。 このアプローチは報酬のハッキングに苦しめられ、モデルが高いスコアの画像を生成できるが、元のプロンプトとはかなり異なる。
  論文  参考訳（メタデータ） (2025-10-02T00:47:36Z)
• Gravity-aligned Rotation Averaging with Circular Regression [53.81374943525774]
  我々は,重力方向をグローバルパイプラインの回転平均位相に統合する原理的アプローチを導入する。 4つの大規模データセットで最先端の精度を実現する。
  論文  参考訳（メタデータ） (2024-10-16T17:37:43Z)
• StraightPCF: Straight Point Cloud Filtering [50.66412286723848]
  ポイントクラウドフィルタリングは、基礎となるクリーンな表面を回復しながらノイズを取り除くことを目的とした、基本的な3Dビジョンタスクである。 我々は、ポイントクラウドフィルタリングのための新しいディープラーニングベースの方法であるStraightPCFを紹介する。 ノイズの多い点を直線に沿って移動させることで、離散化誤差を低減し、クリーン表面への高速な収束を保証する。
  論文  参考訳（メタデータ） (2024-05-14T05:41:59Z)
• Motion-adaptive Separable Collaborative Filters for Blind Motion Deblurring [71.60457491155451]
  様々な動きによって生じる画像のぼかしを除去することは、難しい問題である。 本研究では,動き適応型分離型協調フィルタと呼ばれる実世界のデブロアリングフィルタモデルを提案する。 本手法は,実世界の動きのぼかし除去に有効な解法を提供し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-04-19T19:44:24Z)
• FRED: Towards a Full Rotation-Equivariance in Aerial Image Object Detection [28.47314201641291]
  FRED(Fully Rotation-Equivariant Oriented Object Detector)を導入する。 提案手法は,DOTA-v1.0では同等の性能を示し,DOTA-v1.5では1.5mAP,モデルパラメータでは16%と大幅に低下する。
  論文  参考訳（メタデータ） (2023-12-22T09:31:43Z)
• Joint Noise-Tolerant Learning and Meta Camera Shift Adaptation for Unsupervised Person Re-Identification [60.36551512902312]
  unsupervised person re-identification (re-ID) は、ラベルのないデータで識別モデルを学ぶことを目的としている。 一般的な方法としては、クラスタ化によって擬似ラベルを取得し、モデルを最適化するために使用する方法がある。 本稿では,両問題を解決するための統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-08T09:13:06Z)

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。