Fugu-MT 論文翻訳(概要): Efficient Semantic Understanding from Digital Foveation

論文の概要: Efficient Semantic Understanding from Digital Foveation

arxiv url: http://arxiv.org/abs/2609.04088v1
Date: Thu, 03 Sep 2026 16:56:12 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-04 18:28:39.160641
Title: Efficient Semantic Understanding from Digital Foveation
Title（参考訳）: デジタル・ファベーションからの効率的な意味理解
Abstract要約: 生物の視覚に触発されて,デジタル・ファベージド・インセプションによって意味理解がより効率的に達成できるかどうかを考察する。本稿では,サリエンシ駆動型固定選択,高分解能葉観測,低分解能文脈情報,セマンティック集積,適応計算を組み合わせた軽量アクティブビジョンパイプラインを提案する。
参考スコア（独自算出の注目度）: 5.20256250089509
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Dense semantic segmentation allocates computational resources uniformly across the entire image, regardless of scene complexity or task relevance. Inspired by biological vision, we investigate whether semantic understanding can be achieved more efficiently through digital foveated perception. We introduce a lightweight active-vision pipeline that combines saliency-driven fixation selection, high-resolution foveal observations, low-resolution contextual information, semantic accumulation, and adaptive computation. Beyond conventional dense prediction metrics, we use object-level evaluation to measure semantic understanding under sparse observations. On ADE20K-Object, a single foveated observation achieves 95.9% of the baseline Top-1 accuracy and 96.9% of the baseline Top-3 accuracy while requiring only 4.7% of the computational cost. At the scene level, semantic accumulation recovers 90.6% of the baseline object recall while using 58.6% of the computation. These results suggest that substantial semantic understanding can emerge from sparse observations when computation is allocated selectively, highlighting active vision as an efficient alternative to uniform dense processing and motivating evaluation protocols beyond conventional pixel-wise segmentation metrics.
Abstract（参考訳）: センスセマンティックセグメンテーションは、シーンの複雑さやタスクの関連性に関わらず、画像全体にわたって計算資源を均一に割り当てる。生物の視覚に触発されて,デジタル・ファベージド・インセプションによって意味理解がより効率的に達成できるかどうかを考察する。本稿では,サリエンシ駆動型固定選択,高分解能葉観測,低分解能文脈情報,セマンティック集積,適応計算を組み合わせた軽量アクティブビジョンパイプラインを提案する。従来の密接な予測指標以外にも、オブジェクトレベルの評価を用いて、スパース観測下での意味的理解を測定する。 ADE20K-Objectでは、1回の観測で、ベースラインのTop-1精度の95.9%、ベースラインのTop-3精度の96.9%を達成し、計算コストの4.7%しか必要としない。シーンレベルでは、セマンティックな蓄積は、計算の58.6%を使用しながら、ベースラインオブジェクトのリコールの90.6%を回復する。これらの結果は,計算を選択的に割り当てた場合のスパースな観察から意味理解が出現し,一様密集処理の効率的な代替手段として能動視覚を強調し,従来のピクセルワイドセグメンテーション指標を超える評価プロトコルを動機付けることを示唆している。

関連論文リスト

Enhancing Hyperspace Analogue to Language (HAL) Representations via Attention-Based Pooling for Text Classification [0.0]
我々はHAL表現パイプラインに学習可能で温度スケールの付加的注意機構を開発する。 IMDB感情分析データセットを用いて,提案したアーキテクチャを評価する。
論文参考訳（メタデータ） (2026-03-20T17:25:09Z)
SUG-Occ: An Explicit Semantics and Uncertainty Guided Sparse Learning Framework for Real-Time 3D Occupancy Prediction [5.730573889498275]
SuG-Occは明示的なセマンティックスと不確実性ガイドによるスパース学習を可能とした3D職業予測フレームワークである。まず、ビュー変換時の自由空間からの射影を抑えるために、意味的および不確実性事前を利用する。次に、幾何整合性を高めるために明示的な符号なし距離符号化を用い、構造的に一貫したスパース3D表現を生成する。
論文参考訳（メタデータ） (2026-01-16T16:07:38Z)
VisNet: Efficient Person Re-Identification via Alpha-Divergence Loss, Feature Fusion and Dynamic Multi-Task Learning [1.160208922584163]
人物再識別(ReID)は、監視およびモバイルアプリケーションの両方において重要な分野である。本稿では,現実シナリオに適した計算効率が高く効果的な再同定モデルであるVisNetを提案する。
論文参考訳（メタデータ） (2026-01-01T11:06:11Z)
Efficient Leaf Disease Classification and Segmentation using Midpoint Normalization Technique and Attention Mechanism [0.0]
画像前処理のための2段階変換手法であるミドルポイント正規化(MPN)を導入する。分類パイプラインは、例外的なクラスバランスを維持しながら、93%の精度を達成する。セグメンテーションタスクでは,MPNを付加した入力を用いて,U-Netアーキテクチャ内の同一の注意ブロックをシームレスに統合する。
論文参考訳（メタデータ） (2025-05-27T15:14:04Z)
Information-Theoretic Odometry Learning [83.36195426897768]
生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
論文参考訳（メタデータ） (2022-03-11T02:37:35Z)
Featurized Density Ratio Estimation [82.40706152910292]
本研究では,2つの分布を推定前の共通特徴空間にマッピングするために,可逆生成モデルを活用することを提案する。この偉業化は、学習された入力空間の密度比が任意に不正確な場合、潜在空間において密度が密接な関係をもたらす。同時に、特徴写像の可逆性は、特徴空間で計算された比が入力空間で計算された比と同値であることを保証する。
論文参考訳（メタデータ） (2021-07-05T18:30:26Z)
Learning Optical Flow from a Few Matches [67.83633948984954]
密な相関体積表現は冗長であり、その中の要素のほんの一部で正確なフロー推定が達成できることを示した。実験により,高い精度を維持しつつ計算コストとメモリ使用量を大幅に削減できることを示した。
論文参考訳（メタデータ） (2021-04-05T21:44:00Z)
Dense Contrastive Learning for Self-Supervised Visual Pre-Training [102.15325936477362]
入力画像の2つのビュー間の画素レベルでの差分差分差分差分差分差分差分差分差分差分差分差分差分差分差分差分差分差分差分差分差分差分差分差分差分差分差分)を最適化することにより自己教師学習を実現する。ベースライン法であるMoCo-v2と比較すると,計算オーバーヘッドは1%遅かった。
論文参考訳（メタデータ） (2020-11-18T08:42:32Z)
A Self-Training Approach for Point-Supervised Object Detection and Counting in Crowds [54.73161039445703]
本稿では,ポイントレベルのアノテーションのみを用いて訓練された典型的なオブジェクト検出を可能にする,新たな自己学習手法を提案する。トレーニング中、利用可能なポイントアノテーションを使用して、オブジェクトの中心点の推定を監督する。実験の結果,本手法は検出タスクとカウントタスクの両方において,最先端のポイント管理手法よりも有意に優れていた。
論文参考訳（メタデータ） (2020-07-25T02:14:42Z)
Real-time Semantic Segmentation via Spatial-detail Guided Context Propagation [49.70144583431999]
本研究では,リアルタイムセマンティックセグメンテーションを実現するための空間詳細ガイド付きコンテキスト伝搬ネットワーク(SGCPNet)を提案する。浅い層の空間的詳細を利用して低解像度のグローバルコンテキストの伝播を誘導し、失われた空間情報を効果的に再構成することができる。 69.5%のmIoUセグメンテーション精度を実現し、GeForce GTX 1080 Tiの768x1536イメージ上で178.5 FPSに達する。
論文参考訳（メタデータ） (2020-05-22T07:07:26Z)
Fast, Compact and Highly Scalable Visual Place Recognition through Sequence-based Matching of Overloaded Representations [33.50309671827902]
我々は、非常に大規模な1000万の場所データセットにおいて、いかに効果的に場所認識率が達成できるかを示す。我々は、非常に大規模な1000万の場所データセットにおいて、いかに効果的に場所認識率が達成できるかを示す。
論文参考訳（メタデータ） (2020-01-23T10:31:28Z)

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。