論文の概要: Counting Beyond Instances: A Benchmark for Group-Individual Object Counting

• arxiv url: http://arxiv.org/abs/2609.04716v1
• Date: Fri, 04 Sep 2026 04:39:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:23.912277
• Title: Counting Beyond Instances: A Benchmark for Group-Individual Object Counting
• Title（参考訳）: Counting Beyond Instances: Group-Individual Object Countingのベンチマーク
• Abstract要約: グループ単位のオブジェクトカウントでは、統一されたフレームワーク内で個々のオブジェクトとセマンティックグループの両方をカウントする必要がある。 1,330の画像、89,254個のアノテーション、11,065個のグループアノテーションを備えた実世界のベンチマークであるBunchCountを紹介します。 提案手法は,グループレベルのカウント機能を維持しつつ,グループレベルのカウント機能を大幅に向上させ,インスタンスを超えてカウントする強力なベースラインを確立する。
• 参考スコア（独自算出の注目度）: 17.81862465294661
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Visual counting is commonly formulated at the instance level, aiming to estimate how many objects of a queried category appear in an image. However, real-world counting often involves higher-level semantic units formed by multiple instances, such as a bunch of grapes, a stack of plates, or a pair of shoes. This exposes a key limitation of existing counting formulations, which mainly focus on what to count, while largely overlooking at which semantic unit to count. We introduce Group-Individual Object Counting (GIC), a new setting that requires models to count both individual objects and semantic groups within a unified framework. To support this new task, we present BunchCount, a real-world benchmark with 1,330 images, 89,254 individual annotations, and 11,065 group annotations. BunchCount provides paired individual-group annotations within the same image and explicitly records containment relations between each group and its constituent individuals. Experiments on BunchCount show that current advanced counting models perform well on individual instances but fail to count semantic groups more accurately. To mitigate semantic granularity conflict, we propose a counting-unit guided relational counting framework, which exploits group-individual containment relations to regularize cross-granularity representations during training. Our method substantially improves group-level counting while better preserving individual-level counting ability, establishing a strong baseline for counting beyond instances.
• Abstract（参考訳）: ビジュアルカウントは一般的にインスタンスレベルで定式化され、クエリされたカテゴリのオブジェクトが画像に現れる回数を見積もることを目的としている。 しかし、現実のカウントには、ブドウの束、皿の束、靴のペアなど、複数のインスタンスによって形成される高レベルのセマンティックユニットが伴うことが多い。 これは既存の数え上げの定式化の鍵となる制限を露呈し、主に数えることに焦点をあてる一方で、どの意味単位を数えるかをほとんど見落としている。 GIC(Group-Individual Object Counting)は、個別のオブジェクトとセマンティックグループの両方を統一されたフレームワーク内でカウントするモデルを必要とする新しい設定である。 この新しいタスクをサポートするために,1,330のイメージ,89,254の個々のアノテーション,11,065のグループアノテーションを備えた実世界のベンチマークであるBunchCountを紹介した。 BunchCountは、同じイメージ内でペア化された個別グループアノテーションを提供し、各グループとその構成個人間の包摂関係を明示的に記録する。 BunchCountの実験では、現在の高度なカウントモデルは個々のインスタンスでうまく機能するが、セマンティックグループをより正確にカウントすることができない。 意味的粒度の衝突を軽減するために,グループ間包摂関係を利用して学習中の粒度間の表現を正規化するカウントユニットガイド付き関係カウントフレームワークを提案する。 提案手法は,グループレベルのカウント機能を維持しつつ,グループレベルのカウント機能を大幅に向上させ,インスタンスを超えてカウントする強力なベースラインを確立する。

関連論文リスト

• Count Anything [41.17667085289094]
  そこで,モデルが画像と自然言語クエリを入力として取り出し,対象点のインスタンスグラウンドセットを返却する。 CLOCに基づいてテキスト誘導オブジェクトカウントの一般化モデルであるCount Anythingを提案する。
  論文  参考訳（メタデータ） (2026-05-29T05:08:31Z)
• Count Anything at Any Granularity [55.70950689938894]
  KubriCountは、これまでで最大で、最も包括的な注釈付きカウントデータセットである。 テキストと視覚的特徴を相補的なターゲット仕様として併用する多粒カウントモデルを訓練する。 HieraCountは、マルチグラデーションカウントの精度を大幅に改善し、現実のシナリオに対して堅牢に一般化する。
  論文  参考訳（メタデータ） (2026-05-11T17:32:37Z)
• Cluster-R1: Large Reasoning Models Are Instruction-following Clustering Agents [81.79110139097297]
  汎用埋め込みモデルは意味的類似性を認識するのに優れているが、ユーザ命令で指定されたテキストの特徴を捉えることができない。 我々は、命令追従クラスタリングを生成タスクとして再編成し、大規模推論モデルを自律的なクラスタリングエージェントとして訓練する。 我々の推論駆動学習パイプラインは、LEMがハイレベルクラスタリング命令を解釈し、対応する潜在グループを推測することを可能にする。
  論文  参考訳（メタデータ） (2026-03-06T10:15:54Z)
• Can Current AI Models Count What We Mean, Not What They See? A Benchmark and Systematic Evaluation [21.90583276089241]
  PairTallyは、きめ細かいビジュアルカウントを評価するために設計されたベンチマークデータセットである。 PairTallyの681の高解像度画像はそれぞれ2つの対象カテゴリを含んでいる。 最近の進歩にもかかわらず、現在のモデルはユーザーが何を意図しているかを確実に数えるのに苦労している。
  論文  参考訳（メタデータ） (2025-09-17T13:06:58Z)
• OmniCount: Multi-label Object Counting with Semantic-Geometric Priors [52.28092505350977]
  本稿では,オープン語彙フレームワークを用いた複数のオブジェクトカテゴリの同時カウントを実現するための,より実践的なアプローチを提案する。 我々のソリューションであるOmniCountは、事前訓練されたモデルから意味的および幾何学的な洞察(優先順位)を用いて、ユーザが指定した複数のカテゴリのオブジェクトをカウントすることで際立っている。 OmniCount-191の包括的な評価は、他の主要なベンチマークとともに、OmniCountの例外的なパフォーマンスを示し、既存のソリューションを大幅に上回っている。
  論文  参考訳（メタデータ） (2024-03-08T16:38:11Z)
• Learning to Count Anything: Reference-less Class-agnostic Counting with Weak Supervision [11.037585450795357]
  カウントは、その中核として、反復認識タスクであることを示す。 我々は,自己監督型視覚変換器と軽量のカウントレグレッションヘッドを組み合わせることで,競合する結果が得られることを示した。
  論文  参考訳（メタデータ） (2022-05-20T14:26:38Z)
• You Never Cluster Alone [150.94921340034688]
  我々は、主流のコントラスト学習パラダイムをクラスタレベルのスキームに拡張し、同じクラスタに属するすべてのデータが統一された表現に寄与する。 分類変数の集合をクラスタ化代入信頼度として定義し、インスタンスレベルの学習トラックとクラスタレベルの学習トラックを関連付ける。 代入変数を再パラメータ化することで、TCCはエンドツーエンドでトレーニングされる。
  論文  参考訳（メタデータ） (2021-06-03T14:59:59Z)
• Learning Multi-Attention Context Graph for Group-Based Re-Identification [214.84551361855443]
  オーバーラップしていないカメラシステムを介して人々のグループを再識別または取得することを学ぶことは、ビデオ監視において重要なアプリケーションです。 本研究では,グループre-idというグループを識別するためのコンテキスト情報の利用を検討する。 本研究では,グループベースリドタスクを同時に処理するグラフニューラルネットワークに基づく新しい統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-04-29T09:57:47Z)
• Rethinking Object Detection in Retail Stores [55.359582952686175]
  そこで我々はLocountと略される新しいタスク、同時にオブジェクトのローカライゼーションとカウントを提案する。 Locountは、関心のあるオブジェクトのグループをインスタンス数でローカライズするアルゴリズムを必要とする。 大規模オブジェクトのローカライズと数えるデータセットを小売店で収集する。
  論文  参考訳（メタデータ） (2020-03-18T14:01:54Z)

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。