Fugu-MT 論文翻訳(概要): Task-driven Processing with Coarse-to-Fine Glimpse-based Active Perception

論文の概要: Task-driven Processing with Coarse-to-Fine Glimpse-based Active Perception

arxiv url: http://arxiv.org/abs/2609.09025v1
Date: Tue, 08 Sep 2026 16:54:07 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-11 14:58:51.911142
Title: Task-driven Processing with Coarse-to-Fine Glimpse-based Active Perception
Title（参考訳）: Glimpse-based Active Perception を用いたタスク駆動処理
Abstract要約: 最先端のビジョンモデルは画像全体を処理し、関連する領域を選択的にズームインする能力がない。本稿では,既存のインスタンス検出器の高精細処理を向上するタスク駆動型フロントエンドであるCF-GAP(Coarse-to-Fine Glimpse-based Active Perception)を紹介する。 CF-GAPは、HR-InsDetおよびRobotoolsベンチマーク上のさまざまな最先端インスタンス検出器間で、平均精度(AP)を最大20%改善する。
参考スコア（独自算出の注目度）: 4.654827623279547
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: State-of-the-art vision models process images in their entirety, lacking the ability to selectively zoom in on relevant regions. This limitation is particularly acute in scenarios where processing must be conditioned on a specific task - such as instance detection, which requires localizing a specific object in a high-resolution, cluttered scene. In such settings, critical details are easily lost as images are often resized to match the model dimensions and computational constraints. We introduce Coarse-to-Fine Glimpse-based Active Perception (CF-GAP), a task-driven front-end that enhances high-resolution processing of existing instance detectors. CF-GAP selectively directs a sequence of limited view glimpses across the scene, utilizing task information to iteratively refine focus on the most relevant regions. These localized regions are then processed at high resolution by a downstream instance detector. By avoiding full-image processing and eliminating irrelevant confounding information, CF-GAP improves Average Precision (AP) by up to 20% across various state-of-the-art instance detectors on the HR-InsDet and Robotools benchmarks, while further enabling lightweight detectors to outperform their larger counterparts.
Abstract（参考訳）: 最先端のビジョンモデルは画像全体を処理し、関連する領域を選択的にズームインする能力がない。この制限は、高解像度で散在したシーンで特定のオブジェクトをローカライズする必要があるインスタンス検出など、特定のタスクで処理を条件付けしなければならないシナリオにおいて特に緊急である。このような設定では、画像がモデル次元と計算上の制約にマッチするように再サイズされるため、重要な詳細は容易に失われる。本稿では,既存のインスタンス検出器の高精細処理を向上するタスク駆動型フロントエンドであるCF-GAP(Coarse-to-Fine Glimpse-based Active Perception)を紹介する。 CF-GAPは、タスク情報を利用して、最も関連性の高い領域に焦点を合わせることで、シーン全体の限られたビューのシーケンスを選択的に指示する。これらの局所化領域は、下流のインスタンス検出器によって高分解能で処理される。フルイメージ処理を回避し、無関係なコンバウンディング情報を排除することにより、CF-GAPはHR-InsDetとRobotoolsベンチマークのさまざまな最先端インスタンス検出器をまたいだ平均精度(AP)を最大20%改善すると同時に、軽量検出器がより大きなインスタンスよりも優れたパフォーマンスを実現している。

関連論文リスト

Detect in Any Scene: An Agentic Framework for Object Detection with Experience-Aware Reasoning [4.730640137945023]
実世界のシナリオにおける物体検出は、多様な画像劣化と異種物体分布のため、依然として困難である。動的決定プロセスとしてオブジェクト検出を定式化するエージェント検出フレームワークであるDetASを提案する。
論文参考訳（メタデータ） (2026-05-29T11:41:58Z)
GRASP: Guided Region-Aware Sparse Prompting for Adapting MLLMs to Remote Sensing [50.961694646995376]
GRASP(Guid Region-Aware Sparse Prompting)と呼ばれるパラメータ効率細調整(PEFT)戦略を提案する。 GRASPは、凍結した視覚的トークングリッドから抽出された空間ブロックに関連する空間的構造化されたソフトプロンプトを導入する。複数のRSVQAベンチマークの実験では、GRASPは既存の微調整やプロンプトベースの手法と比較して競争性能が向上している。
論文参考訳（メタデータ） (2026-01-23T10:12:59Z)
Task-Aware Image Signal Processor for Advanced Visual Perception [32.29324101518987]
Task-Aware Image Signal Processing (TA-ISP) はRAW-to-RGBフレームワークであり、事前訓練された視覚モデルのためのタスク指向表現を生成する。 TA-ISPは、パラメータカウントと推論時間を著しく削減しながら、ダウンストリームの精度を一貫して改善する。リソース制約のあるデバイスへのデプロイに適している。
論文参考訳（メタデータ） (2025-09-17T07:16:51Z)
Towards High-Resolution Industrial Image Anomaly Detection [7.626097310990373]
HiADは高分解能異常検出のための一般的なフレームワークである。異なるスケールで異常なキューを統合するデュアルブランチアーキテクチャを採用している。高解像度画像におけるきめ細かいテクスチャ変化によって生じる課題に対処するために、マルチレゾリューション機能融合戦略が組み込まれている。
論文参考訳（メタデータ） (2025-08-18T13:54:29Z)
Region-Aware CAM: High-Resolution Weakly-Supervised Defect Segmentation via Salient Region Perception [2.9962030276180758]
本稿では,弱教師付きセマンティックセマンティックセグメンテーションフレームワークを提案する。リージョン対応のクラスアクティベーションマップ(CAM)と擬似ラベルトレーニングで構成されている。提案手法は,弱教師付き学習と高精度欠陥分割のギャップを効果的に埋めるものである。
論文参考訳（メタデータ） (2025-06-28T12:24:45Z)
AuxDet: Auxiliary Metadata Matters for Omni-Domain Infrared Small Target Detection [49.81255045696323]
補助メタデータ駆動型赤外小型ターゲット検出器(AuxDet)について述べる。 AuxDetはメタデータセマンティクスと視覚的特徴を統合し、各サンプルに対する適応表現学習を導く。挑戦的なWideIRSTD-Fullベンチマークの実験は、AuxDetが一貫して最先端のメソッドより優れていることを示した。
論文参考訳（メタデータ） (2025-05-21T07:02:05Z)
Learning to Be a Transformer to Pinpoint Anomalies [12.442574943138794]
最近の産業異常検出およびIADS(Industrial Anomaly Detection and (IADS))は、224x224ピクセルなどの低解像度画像を処理する。本稿では,高精細な入力画像を非常に効率的に処理しながら,強い事前学習機能を活用する新しい教師-学生パラダイムを提案する。提案手法では,高解像度画像から異常を検出でき,競合他社よりも高速に動作可能である。
論文参考訳（メタデータ） (2024-07-04T17:59:26Z)
Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
論文参考訳（メタデータ） (2023-08-18T13:13:09Z)
DQnet: Cross-Model Detail Querying for Camouflaged Object Detection [54.82390534024954]
カモフラージュされた物体検出のための畳み込みニューラルネットワーク(CNN)は、完全な対象範囲を無視しながら局所的な識別領域を活性化する傾向がある。本稿では,CNNの内在的特性から部分的活性化が引き起こされることを論じる。完全なオブジェクト範囲を活性化できる特徴マップを得るために,クロスモデル詳細クエリネットワーク(DQnet)と呼ばれる新しいフレームワークを提案する。
論文参考訳（メタデータ） (2022-12-16T06:23:58Z)
High Quality Segmentation for Ultra High-resolution Images [72.97958314291648]
超高分解能セグメンテーション精錬作業のための連続精細モデルを提案する。提案手法は画像分割精細化において高速かつ効果的である。
論文参考訳（メタデータ） (2021-11-29T11:53:06Z)
Learning to Aggregate Multi-Scale Context for Instance Segmentation in Remote Sensing Images [28.560068780733342]
特徴抽出のプロセスを改善するために,新しいコンテキスト集約ネットワーク(CATNet)を提案する。提案モデルは,高密度特徴ピラミッドネットワーク(DenseFPN),空間コンテキストピラミッド(SCP),階層的関心抽出器(HRoIE)の3つの軽量プラグアンドプレイモジュールを利用する。
論文参考訳（メタデータ） (2021-11-22T08:55:25Z)
You Better Look Twice: a new perspective for designing accurate detectors with reduced computations [56.34005280792013]
BLT-netは、新しい低計算の2段階オブジェクト検出アーキテクチャである。非常にエレガントな第1ステージを使用して、オブジェクトをバックグラウンドから分離することで、計算を削減します。結果のイメージ提案は、高度に正確なモデルによって第2段階で処理される。
論文参考訳（メタデータ） (2021-07-21T12:39:51Z)
Self-supervised Human Detection and Segmentation via Multi-view Consensus [116.92405645348185]
本稿では,トレーニング中に幾何学的制約を多視点一貫性という形で組み込むマルチカメラフレームワークを提案する。本手法は,標準ベンチマークから視覚的に外れた画像に対して,最先端の自己監視的人物検出とセグメンテーション技術に勝ることを示す。
論文参考訳（メタデータ） (2020-12-09T15:47:21Z)

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。