論文の概要: Image-Scale Robustness and Visual Recognition Performance: A Cross-Architecture Analysis
- arxiv url: http://arxiv.org/abs/2609.06051v1
- Date: Sat, 05 Sep 2026 12:12:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.185378
- Title: Image-Scale Robustness and Visual Recognition Performance: A Cross-Architecture Analysis
- Title（参考訳）: 画像スケールのロバストさと視覚認識性能:クロスアーキテクチャ解析
- Abstract要約: 現代の視覚モデルにおいて,スケールロバスト性は共通の定量的構造を示すかを検討する。
我々は、7つのアーキテクチャファミリーにまたがる20の事前訓練済みImageNet-1K分類器を評価する。
- 参考スコア（独自算出の注目度）: 2.2505457850833284
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The sensitivity of visual recognition models to changes in image scale is well established, yet the factors governing this sensitivity across heterogeneous architectures remain unclear. In this work, we investigate whether scale robustness exhibits a common quantitative structure across modern vision models. We evaluate 20 pretrained ImageNet-1K classifiers spanning seven architectural families, including convolutional, mobile, efficient, and Transformer-based architectures. By systematically reducing input image scale, we construct scale-accuracy response curves and define a characteristic scale as a compact measure of the onset of substantial recognition degradation. We then examine the relationship between characteristic scale and baseline recognition accuracy, model parameter count, architectural family, and representation stability. A strong inverse association is observed between baseline accuracy and characteristic scale (Pearson r = -0.890, R^2= 0.792, p < 10^-6). This relationship remains stable under bootstrap resampling, leave-one-architecture-out analysis, and leave-one-family-out analysis. In contrast, parameter count provides negligible additional explanatory power after controlling for baseline accuracy (p = 0.80), while architectural family does not provide significant incremental explanatory power. Furthermore, characteristic scale shows essentially no association with representation stability (r = -0.003, p = 0.991). These results indicate that, across the studied models, scale robustness is strongly organized by baseline recognition performance rather than simply by model size, architectural family, or representation stability. The study provides an empirical framework for characterizing scale robustness across vision architectures and identifies a reproducible accuracy-scale regularity that warrants further theoretical investigation.
- Abstract（参考訳）: 画像スケールの変化に対する視覚認識モデルの感度はよく確立されているが、この感度を不均一なアーキテクチャで規定する要因はいまだ不明である。
本研究では,近年の視覚モデルにおいて,スケールロバストネスが共通の定量的構造を示すかどうかを考察する。
我々は、畳み込み、移動、効率、トランスフォーマーベースのアーキテクチャを含む7つのアーキテクチャファミリーにまたがる20の事前訓練済みImageNet-1K分類器を評価する。
入力画像のスケールを体系的に削減することにより、スケール精度の応答曲線を構築し、特徴尺度を実質的な認識劣化の開始のコンパクトな尺度として定義する。
次に,特徴尺度とベースライン認識精度,モデルパラメータ数,アーキテクチャファミリ,表現安定性の関係について検討する。
基線精度と特性スケール(ピアソン r = -0.890, R^2= 0.792, p < 10^-6)の強い逆相関が観察される。
この関係は、ブートストラップ再サンプリング、Leave-one-architecture-out分析、Leave-one Family-out解析の下で安定している。
対照的に、パラメータカウントはベースライン精度(p = 0.80)を制御した後で無視できる追加の説明力を提供するが、アーキテクチャファミリは顕著なインクリメンタルな説明力を提供しない。
さらに、特性スケールは本質的に表現安定性とは無関係である(r = -0.003, p = 0.991)。
これらの結果は, モデルサイズ, アーキテクチャファミリ, 表現安定性などではなく, ベースライン認識性能によって, スケールロバスト性が強く構成されていることを示唆している。
この研究は、視覚アーキテクチャ全体にわたるスケールロバスト性を特徴づける実証的な枠組みを提供し、さらなる理論的調査を保証できる再現可能な精度スケールの正則性を特定する。
関連論文リスト
- Same Predictions, Different Reasons: The Effect of Quantization on Model Explanations [0.431493144418712]
学習後量子化(PTQ)は、リソース制約エッジデバイスにディープラーニングモデルをデプロイするための実用的なソリューションとなっている。
本研究では,静的PTQが5つの広く使用されているCNNアーキテクチャの解釈可能性/説明可能性に与える影響について,系統的評価を行った。
論文 参考訳（メタデータ） (2026-07-24T19:26:47Z) - SaliencyDecor: Enhancing Neural Network Interpretability through Feature Decorrelation [4.096797783087454]
SaliencyDecorは、Saliencyメソッドやモデルアーキテクチャを変更することなく、属性の忠実さを改善するために機能のデコレーションを強制するトレーニングフレームワークである。
提案手法は,予測性能を向上しつつ,よりシャープで,よりオブジェクト指向のサリエンシマップを生成する。
論文 参考訳（メタデータ） (2026-04-28T07:25:07Z) - StepVAR: Structure-Texture Guided Pruning for Visual Autoregressive Models [98.72926158261937]
本稿では,Visual AutoRegressive モデルのためのトレーニングフリートークン解析フレームワークを提案する。
我々は局所的なテクスチャの詳細を捉えるために軽量なハイパスフィルタを使用し、グローバルな構造情報を保存するために主成分分析(PCA)を活用している。
スパーストークンの下で有効な次世代の予測を維持するために,近接した特徴伝達戦略を導入する。
論文 参考訳（メタデータ） (2026-03-02T11:35:05Z) - Leveraging Persistence Image to Enhance Robustness and Performance in Curvilinear Structure Segmentation [17.808385571339624]
PIs-Regressorは、データから直接、永続画像(PI) – トポロジ的特徴の有限で微分可能な表現 – を学習する。
本手法は手作り損失関数に大きく依存する既存の手法とは異なり,ネットワーク構造に直接トポロジ情報を組み込む。
3つのカービリニアベンチマークに対するアプローチは,画素レベルの精度とトポロジカル忠実度の両方において,最先端の性能を示す。
論文 参考訳（メタデータ） (2026-01-25T23:51:45Z) - Systematic Characterization of Minimal Deep Learning Architectures: A Unified Analysis of Convergence, Pruning, and Quantization [6.49583548940407]
ディープラーニングネットワークは分類が優れているが、タスクを確実に解決する最小限のアーキテクチャを特定することは依然として難しい。
本稿では,コンバージェンス,プルーニング,量子化の関係を探索し,解析するための計算手法を提案する。
私たちの最初の結果は、アーキテクチャの多様性にもかかわらず、パフォーマンスはほとんど不変であり、学習力学は、不安定、学習、過剰適合の3つの条件を一貫して示していることを示している。
論文 参考訳（メタデータ） (2026-01-25T20:31:10Z) - Implicit Neural Representation-Based Continuous Single Image Super Resolution: An Empirical Study [50.15623093332659]
入射神経表現(INR)は任意のスケール画像超解像(ASSR)の標準的アプローチとなっている
既存の手法を多様な設定で比較し、複数の画像品質指標に対して集計結果を示す。
トレーニング中, エッジ, テクスチャ, 細部を保存しながら, 強度変化をペナライズする新たな損失関数について検討した。
論文 参考訳（メタデータ） (2026-01-25T07:09:20Z) - RealUnify: Do Unified Models Truly Benefit from Unification? A Comprehensive Benchmark [71.3555284685426]
本稿では,双方向機能相乗効果を評価するためのベンチマークであるRealUnifyを紹介する。
RealUnifyは、10のカテゴリと32のサブタスクにまたがる、細心の注意を払ってアノテートされた1000のインスタンスで構成されている。
現在の統一モデルは、効果的な相乗効果を達成するのに依然として苦労しており、アーキテクチャの統一だけでは不十分であることを示している。
論文 参考訳（メタデータ） (2025-09-29T15:07:28Z) - Scale-Invariance Drives Convergence in AI and Brain Representations [7.318297580732467]
近年の研究では、大規模なAIモデルは、神経活動と一致する同様の内部表現に収束することがしばしば示されている。
AI表現におけるスケール不変性の2つの中核的側面:次元安定性とスケール間の構造的類似性。
解析の結果,fMRIデータと一致し,より一貫した次元と構造的類似性が得られた。
論文 参考訳（メタデータ） (2025-06-13T15:36:04Z) - Isomorphic Pruning for Vision Models [56.286064975443026]
構造化プルーニングは、冗長なサブ構造を取り除くことによって、ディープニューラルネットワークの計算オーバーヘッドを低減する。
Isomorphic Pruningは、ネットワークアーキテクチャの範囲で有効性を示すシンプルなアプローチである。
論文 参考訳（メタデータ） (2024-07-05T16:14:53Z) - Understanding Augmentation-based Self-Supervised Representation Learning
via RKHS Approximation and Regression [53.15502562048627]
最近の研究は、自己教師付き学習とグラフラプラシアン作用素のトップ固有空間の近似との関係を構築している。
この研究は、増強に基づく事前訓練の統計的分析に発展する。
論文 参考訳（メタデータ） (2023-06-01T15:18:55Z) - Out-of-distribution Generalization via Partial Feature Decorrelation [72.96261704851683]
本稿では,特徴分解ネットワークと対象画像分類モデルとを協調的に最適化する,PFDL(Partial Feature Deorrelation Learning)アルゴリズムを提案する。
実世界のデータセットを用いた実験により,OOD画像分類データセットにおけるバックボーンモデルの精度が向上することを示した。
論文 参考訳（メタデータ） (2020-07-30T05:48:48Z)
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。