Fugu-MT 論文翻訳(概要): Compensating for Scarce Historical Images in Cross-Domain Cultural Heritage Retrieval Using Synthetic Aging

論文の概要: Compensating for Scarce Historical Images in Cross-Domain Cultural Heritage Retrieval Using Synthetic Aging

arxiv url: http://arxiv.org/abs/2609.08766v1
Date: Tue, 08 Sep 2026 14:01:50 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-11 15:49:12.89284
Title: Compensating for Scarce Historical Images in Cross-Domain Cultural Heritage Retrieval Using Synthetic Aging
Title（参考訳）: 総合的高齢化による文化遺産検索におけるスカース歴史的イメージの補正
Abstract要約: 本研究では, 時代遅れの合成画像が, 双方向のインスタンスレベルの検索において, 欠落した過去のデータを置き換えるか, 補うことができるかを検討する。混合実合成トレーニングは、比例スケールと固定300バッチ/エポックスケジュールを用いて、実ノルマントベースラインと比較される。結果は、真および合成的な観察が相補的であることを示唆している。
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: Cultural heritage collections often contain contemporary and historical visual records of the same physical object. Linking these records is difficult because corresponding images may differ in viewpoint, acquisition conditions, color reproduction, framing, resolution, and degradation, while genuine historical images are frequently scarce. This study investigates whether synthetically aged contemporary images can replace or complement missing historical training data in bidirectional instance-level retrieval. Synthetic old-domain images are generated using degradation-oriented transformations. An EfficientNetV2-M model is evaluated on identity-disjoint training, validation, and test sets across three dataset partitions and three training seeds. Mixed real-synthetic training is compared with real-only baselines using proportionally scaled and fixed 300-batch-per-epoch schedules. Complete replacement of genuine historical images reduced bidirectional mean R@1 from 86.56% to 81.27%, showing that synthetic aging does not reproduce the full genuine old-domain variability. Increasing the number of independently generated synthetic variants provided no consistent improvement. Under controlled scarcity, however, synthetic completion improved mean R@1 by 3.69 percentage points at 25% genuine historical coverage and by 2.92 points at 50%, relative to the proportionally scaled real-only baselines. At 75%, the gain decreased to 2.00 points, while performance remained comparable to the complete-real-data reference. Fixed-schedule real-only controls did not reproduce these improvements. The results indicate that genuine and synthetic observations are complementary. Synthetic completion primarily benefits retrieval by extending cross-domain identity coverage rather than by increasing training exposure, with its contribution gradually decreasing as genuine historical coverage increases.
Abstract（参考訳）: 文化遺産コレクションには、しばしば同じ物理的対象の現代的、歴史的視覚的記録が含まれている。これらの記録をリンクするのは難しいのは、対応する画像は視点、取得条件、色再現、フレーミング、解像度、劣化が異なり、真の歴史的画像は少ないためである。本研究は, 時代遅れの合成画像が, 双方向のインスタンスレベルの検索において, 欠落した過去のトレーニングデータを置き換えるか, 補うことができるかを検討するものである。劣化指向変換を用いて合成旧領域画像を生成する。 EfficientNetV2-Mモデルは、3つのデータセットパーティションと3つのトレーニングシードにわたるアイデンティティ分離トレーニング、検証、テストセットに基づいて評価される。混合実合成トレーニングは、比例スケールと固定300バッチ/エポックスケジュールを用いて、実ノルマントベースラインと比較される。真の歴史的画像を完全に置き換えたことにより、双方向平均R@1が86.56%から81.27%に減少した。独立に生成された合成変種の数を増やすことで、一貫した改善は得られなかった。しかし、制御不足下では、合成完了により、R@1の平均は25%の真の歴史的カバレッジで3.69ポイント、そして2.92ポイントが50%向上した。 75%の利得は2.00ポイントまで低下したが、パフォーマンスは完全なデータ参照に匹敵するままであった。固定スケジュールのリアルタイム制御はこれらの改善を再現しなかった。結果は、真および合成的な観察が相補的であることを示唆している。合成完了は、トレーニングの露出を増大させることよりも、ドメイン間のアイデンティティカバレッジを拡大することで、検索の恩恵を主に受け、真の歴史的カバレッジが増加するにつれて、その貢献は徐々に減少する。

関連論文リスト

Combining Synthetic and Real Data for Low-Resource Historical OCR: A Manchu Case Study [7.085654644528252]
現在危惧されている満州は、清朝の主要な言語の一つ(1636年−1912年) 以前の研究では、合成満州語画像のみに訓練された視覚言語モデルは、実際の清の写本や印刷物で87.4%の正確性が得られることが示されている。本研究は,低リソースOCRに対して,合成的および実履歴的トレーニングデータをどのように組み合わせるべきかを検討する。
論文参考訳（メタデータ） (2026-09-10T13:02:11Z)
Few-Shot Synthetic Data Generation with Diffusion Models for Downstream Vision Tasks [36.94429692322632]
クラス不均衡は視覚認識において永続的な課題である。稀なクラスの20～50個の実画像にLoRAアダプタを微調整する,軽量な合成データ拡張パイプラインを提案する。
論文参考訳（メタデータ） (2026-05-12T10:11:57Z)
From Synthetic to Real: Toward Identity-Consistent Makeup Transfer with Synthetic and Real Data [63.40634698361175]
メイクアップ転送は、同一性や背景を保ちながら、ソースポートレートに参照ポートレートのメイクスタイルを適用することを目的としている。近年の拡散と流れに基づくアプローチは、教師付きトレーニングのために合成データを利用するようになり、大幅に改善された。本稿では,ポストトレーニングフレームワークであるConsistentBeautyとRealBeautyを提案する。
論文参考訳（メタデータ） (2026-05-08T15:21:43Z)
WithAnyone: Towards Controllable and ID Consistent Image Generation [83.55786496542062]
アイデンティティ・一貫性・ジェネレーションは、テキスト・ツー・イメージ研究において重要な焦点となっている。マルチパーソンシナリオに適した大規模ペアデータセットを開発する。本稿では,データと多様性のバランスをとるためにペアデータを活用する,対照的なアイデンティティ損失を持つ新たなトレーニングパラダイムを提案する。
論文参考訳（メタデータ） (2025-10-16T17:59:54Z)
Is Synthetic Image Augmentation Useful for Imbalanced Classification Problems? Case-Study on the MIDOG2025 Atypical Cell Detection Competition [2.4582766828986076]
MIDOG 2025チャレンジは、非定型的なミオシス分類に関する新しいトラック2を導入することで、ミオティックフィギュア検出の先行作業を拡張する。本課題は, 病理組織像の非定型像とを区別することを目的とする。 i) ImageNetで事前訓練したConvNeXt-Smallと,(ii)自己監督で訓練したLunitの病理組織特異的ViTの2つの相補的バックボーンについて検討した。
論文参考訳（メタデータ） (2025-08-30T23:37:20Z)
Improving Heart Rejection Detection in XPCI Images Using Synthetic Data Augmentation [0.0]
StyleGANは利用可能な3Rバイオプシーパッチで訓練され、その後、1万のリアルな合成画像を生成するために使用された。これらは、ResNet-18分類器をバイナリーリジェクション分類のために訓練するための様々な構成において、レジェクション無しのサンプルである実際の0Rサンプルと組み合わせられた。その結果, 実検体と組み合わせて使用する場合, 合成データにより分類性能が向上することが示唆された。
論文参考訳（メタデータ） (2025-05-26T09:26:36Z)
The Impact of Balancing Real and Synthetic Data on Accuracy and Fairness in Face Recognition [10.849598219674132]
人口統計学的にバランスのとれた認証データと合成データとが、顔認識モデルの精度と公正性に与える影響について検討した。本研究は,I とI,I,I,I,I,I,I,I,I,I,I,I,I,I,I,I,I,E,,,,,I,,,,,,
論文参考訳（メタデータ） (2024-09-04T16:50:48Z)
Is Synthetic Image Useful for Transfer Learning? An Investigation into Data Generation, Volume, and Utilization [62.157627519792946]
ブリッジドトランスファー(ブリッジドトランスファー)と呼ばれる新しいフレームワークを導入する。このフレームワークは、当初、トレーニング済みモデルの微調整に合成画像を使用し、転送性を向上させる。合成画像と実画像のスタイルアライメントを改善するために,データセットスタイルの逆変換方式を提案する。提案手法は10の異なるデータセットと5つの異なるモデルで評価され、一貫した改善が示されている。
論文参考訳（メタデータ） (2024-03-28T22:25:05Z)
Effective Adapter for Face Recognition in the Wild [72.75516495170199]
私たちは、画像が低品質で現実世界の歪みに悩まされる、野生の顔認識の課題に取り組みます。従来のアプローチでは、劣化した画像や、顔の復元技術を使って強化された画像を直接訓練するが、効果がないことが証明された。高品質な顔データセットで訓練された既存の顔認識モデルを強化するための効果的なアダプタを提案する。
論文参考訳（メタデータ） (2023-12-04T08:55:46Z)
TexPose: Neural Texture Learning for Self-Supervised 6D Object Pose Estimation [55.94900327396771]
合成データから6次元オブジェクトポーズ推定のためのニューラルネットワークによるテクスチャ学習を提案する。実画像からオブジェクトの現実的なテクスチャを予測することを学ぶ。画素完全合成データからポーズ推定を学習する。
論文参考訳（メタデータ） (2022-12-25T13:36:32Z)
Warp Consistency for Unsupervised Learning of Dense Correspondences [116.56251250853488]
密接な対応を学習する上で重要な課題は、実画像対に対する地道整合の欠如である。密な対応回帰のための教師なし学習目標であるWarp Consistencyを提案する。私たちのアプローチは、MegaDepth、RobotCar、TSSなど、いくつかの挑戦的なベンチマークに新しい最先端を設定します。
論文参考訳（メタデータ） (2021-04-07T17:58:22Z)

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。