論文の概要: Structured-Prior-Guided Diffusion Inpainting with Physical Consistency for Traffic Sign Augmentation

• arxiv url: http://arxiv.org/abs/2609.02348v1
• Date: Wed, 02 Sep 2026 09:22:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.214241
• Title: Structured-Prior-Guided Diffusion Inpainting with Physical Consistency for Traffic Sign Augmentation
• Title（参考訳）: 交通信号増大のための物理的整合性を有する構造的Prior-Guided Diffusion Inpainting
• Abstract要約: 汎用塗装モデルは、数字を歪め、幾何学と視点を変形させ、手話領域に直接適用すると色をシフトさせる。 本稿では,物理的整合性を有する構造的事前誘導拡散塗装フレームワークを提案する。 我々は、AMAPで収集した大量の画像に対して自己監督的再構成を行い、公開TT100K-2021データセット上でゼロショットを評価する。
• 参考スコア（独自算出の注目度）: 12.366721313845483
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traffic sign detection faces a long-tailed data distribution. Many rare signs matter as much as common ones from a regulatory standpoint, yet they have very few samples. Generative data augmentation is one way out. General-purpose inpainting models, however, distort digits, deform geometry and perspective, and shift colours when applied directly to sign regions. We trace this to a single gap: the conditioning signal is too abstract for the physical composition of a sign. We propose a structured-prior-guided diffusion inpainting framework with physical consistency. It injects the semantic, appearance and geometric priors of a sign through three orthogonal pathways: a JSON-formatted text prompt, a front-view vector template rendered with measured dominant colours (via IP-Adapter), and an affine-aligned vector template (via ControlNet). Two physical consistency losses constrain colour with a CIELAB chromaticity $L_1$ term and edge structure with a Sobel gradient term. We train by self-supervised reconstruction on a large set of images collected in-house at AMAP, then evaluate zero-shot on the public TT100K-2021 dataset, a different source. Our method uses a Stable Diffusion 1.5 backbone of about 1.4B parameters. It beats seven representative competitors on every metric of reconstruction fidelity, physical consistency and semantic controllability. Its OCR exact-match rate reaches 91.1\%, against 44.2\% for the 12B industrial model FLUX.1 Fill [dev], and it needs only $1/14$ of that model's inference time. Leave-one-out ablations confirm that each of the three prior pathways and both loss terms contribute on their own. In downstream detection, the synthetic data raises the group-pooled AP50 of rare classes by $1.23\times$ to $7.40\times$ over a real-data-only baseline. Code and pre-trained models are available at https://github.com/52hz-whale/TrafficSignInpaint.
• Abstract（参考訳）: 交通標識検出は、長い尾を持つデータ分布に直面している。 多くの稀な兆候は規制の観点からは一般的なものと同じくらい重要であるが、サンプルはほとんどない。 生成データ拡張はひとつの方法です。 しかし、汎用インパインティングモデルでは、ディジットの歪み、幾何学と視点の変形、および手話領域に直接適用した場合の色の変化がある。 コンディショニング信号は記号の物理的構成には抽象的すぎる。 本稿では,物理的整合性を有する構造的事前誘導拡散塗装フレームワークを提案する。 JSON形式のテキストプロンプト、(IP-Adapterを介して)支配的な色でレンダリングされたフロントビューベクターテンプレート、(コントロールネットを介して)アフィンに沿ったベクターテンプレートである。 CIELAB色度$L_1$項とSobel勾配項のエッジ構造で2つの物理的整合損失色を制約した。 我々は,AMAPで収集した大量の画像に対して自己監督的再構成を行い,公開TT100K-2021データセット上でゼロショットを評価する。 提案手法では,約1.4Bパラメータの安定拡散1.5バックボーンを用いる。 再現性、物理的整合性、セマンティックコントロールのあらゆる指標において7つの代表的な競合相手を上回っている。 OCRの正確なマッチングレートは91.1\%に達し、12B産業モデルFLUX.1では44.2\%となった。 そのモデルの推論時間の1/14ドルしか必要ありません。 3つの経路と2つの損失項のそれぞれがそれぞれの経路に寄与することを確認する。 下流検出では、合成データはグループプールされたレアクラスのAP50を1.23\times$から7.40\times$に引き上げる。 コードと事前トレーニングされたモデルはhttps://github.com/52hz-whale/TrafficSignInpaint.comで入手できる。

関連論文リスト

• Training-Free Inpainting Across Domains with a Frozen Text-to-Image Diffusion Model [0.8716913598251385]
  そこで本研究では,フリーズドジェネリックテキスト・ツー・イメージ拡散モデルを用いて,3つの評価された自然画像領域に対して条件付きインペインティングを行うことができることを示す。 Step-PIは、境界間遅延フィードバック、永続的なPI状態、および4フィールドリリーススケジュールを備えた既知の領域プロジェクションを強化する。
  論文  参考訳（メタデータ） (2026-09-01T07:57:53Z)
• When Does Consensus Mean Correctness? Measuring the Agreement-Accuracy Coupling with Semantics-Preserving Re-Rendering [0.8594140167290097]
  ラベルのない信頼性信号として、摂動入力間のモデルの合意が使用される。 レンダリングは正確さと信頼性の両方で再サンプリングする。 モデル自身のクロスレンダーコンセンサスインバータを微調整する。
  論文  参考訳（メタデータ） (2026-08-06T07:08:05Z)
• Inferring Missing Trajectory Data with Temporal Convolutional Networks [0.0]
  本稿では,標準因果制約を緩和する対称拡張型時間畳み込みネットワーク(TCN)を提案する。 このモデルは、重み付き平均二乗誤差、境界連続性ペナルティ、滑らか性正規化器を組み合わせた複合損失で訓練される。 1000ドル(電車)、200ドル(バリデーション)、300ドル(テスト)の2次元軌道にランダムに配置された20%のマスク付きセグメントで訓練されたこのモデルは、良いR$2ドル、MSE、MAEの計測値を得る。
  論文  参考訳（メタデータ） (2026-07-27T23:46:15Z)
• Multi-Modal Spatio-Temporal Graph Neural Network with Mixture of Experts for Soil Organic Carbon Prediction [0.0]
  既存のアプローチでは、手作りのコモーダルを古典的なMLとペアリングするか、豊富なスペクトルと時間情報を見逃す単一モードのディープモデルである。 本稿では,SpTGNNとグリッドベースアーキテクチャの両方に対処するマルチテンポラルグラフニューラルネットワークであるSpTG-NNを紹介する。 微調整されたTerraMindエンコーダは、Sentinel-2、Sentinel-1、DEM信号からノード特徴を抽出する。
  論文  参考訳（メタデータ） (2026-06-15T11:25:38Z)
• PROSE: Training-Free Egocentric Scene Registration with Vision-Language Models [48.66414784633783]
  PROSE(Prompted Scene rEgistration)は、各RGBシーケンスをオブジェクトレベルの3Dシーングラフにリフトする。 PROSEは学習したパラメータを追加せず、深度センサーやトレーニング、注釈付きグラフを必要としない。 エゴセントリックなAria Digital TwinとAria Everyday Activityベンチマークでは、幾何学的および学習されたシーングラフのベースラインを、登録精度で上回っている。
  論文  参考訳（メタデータ） (2026-06-15T11:11:14Z)
• Surflo: Consistent 3D Surface Flow Model with Global State [57.57234680235885]
  Surfloは、方向付けられた3次元表面点を、ノイズからフローマッチングを通じて独立して表面へ輸送することでデコードする。 独立なポイント単位の復号化に固有の局所的不整合を抑制するために、光度勾配を注入することにより、推定時間誘導項が近傍の点と相関する。 Surfloは、サーフェスメトリクスのフィードフォワードベースラインにマッチし、数百のビューを必要とする最適化ベースのメソッドよりも桁違いに高速に動作し、グローバルなラテントと任意の解像度のデコーディングを組み合わせた唯一のフィードフォワードアプローチである。
  論文  参考訳（メタデータ） (2026-06-11T17:48:38Z)
• DEMIST: \underline{DE}coupled \underline{M}ulti-stream latent d\underline{I}ffusion for Quantitative Myelin Map \underline{S}yn\underline{T}hesis [5.105133772716832]
  定量的磁化転移(qMT)イメージングは、ミエリン感受性バイオマーカー、例えばプールサイズ比(PSR)を提供する 3つの相補的条件付き3次元潜在拡散モデルを用いて標準T1wおよびFLAIR画像からPSRマップを合成するDEMISTを提案する。
  論文  参考訳（メタデータ） (2025-11-16T00:19:48Z)
• FreeSeg-Diff: Training-Free Open-Vocabulary Segmentation with Diffusion Models [49.80911683739506]
  我々は,閉鎖語彙データセットのトレーニングモデルによって伝統的に解決されるイメージセグメンテーションの課題に焦点をあてる。 我々は、ゼロショットのオープン語彙セグメンテーションのために、異なる、比較的小さなオープンソース基盤モデルを活用している。 当社のアプローチ(別名FreeSeg-Diff)は、トレーニングに依存しないもので、Pascal VOCとCOCOデータセットの両方で多くのトレーニングベースのアプローチより優れています。
  論文  参考訳（メタデータ） (2024-03-29T10:38:25Z)
• Consistent Diffusion Models: Mitigating Sampling Drift by Learning to be Consistent [97.64313409741614]
  本稿では, モデルが生成したデータ上での予測が時間とともに一定であることを示す, 両立性特性を強制することを提案する。 CIFAR-10の条件および非条件生成とAFHQとFFHQのベースライン改良について,本研究の新たな訓練目標が得られた。
  論文  参考訳（メタデータ） (2023-02-17T18:45:04Z)
• Cross-Model Pseudo-Labeling for Semi-Supervised Action Recognition [98.25592165484737]
  CMPL(Cross-Model Pseudo-Labeling)と呼ばれる,より効果的な擬似ラベル方式を提案する。 CMPLは、それぞれRGBモダリティとラベル付きデータのみを使用して、Kinetics-400とUCF-101のTop-1の精度を17.6%と25.1%で達成している。
  論文  参考訳（メタデータ） (2021-12-17T18:59:41Z)
• Towards a method to anticipate dark matter signals with deep learning at the LHC [58.720142291102135]
  ニューラルネットワークを用いた簡易暗黒物質モデルとそのシグネチャをLHCで検討した。 通常のモノジェットと逆エネルギーチャネルの欠如に焦点を当てるが、アルゴリズムを訓練するためには、イベント・バイ・イベント・アレーの代わりに2Dヒストグラムでデータを整理する。 これにより、標準モデル(SM)のみとSMと新しい物理信号とを区別する性能が大きく向上する。
  論文  参考訳（メタデータ） (2021-05-25T15:38:13Z)
• UnrealPerson: An Adaptive Pipeline towards Costless Person Re-identification [102.58619642363959]
  本稿では,unrealpersonという,非現実的な画像データをフル活用して,トレーニングとデプロイメントの両面でコストを削減する新しいパイプラインを提案する。 3,000のIDと12万のインスタンスで、MSMT17に直接転送されると38.5%のランク-1の精度が得られる。
  論文  参考訳（メタデータ） (2020-12-08T08:15:30Z)

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。