論文の概要: MHE-Former: Multi-Hypothesis Transformers via Entropy Maximization for 3D Mesh Recovery

• arxiv url: http://arxiv.org/abs/2609.10743v1
• Date: Wed, 09 Sep 2026 18:39:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.112032
• Title: MHE-Former: Multi-Hypothesis Transformers via Entropy Maximization for 3D Mesh Recovery
• Title（参考訳）: MHE-Former:3次元メッシュ回復のためのエントロピー最大化による多相変換器
• Abstract要約: マルチハイプセシス学習と選択によるあいまいなメッシュ回復のための探索-探索-探索パラダイムを導入する。 本稿では,複数の予測のための文脈認識プロセスである仮説選択を提案する。 本フレームワークは,複数のデータセットにまたがる精度と多様性の最先端性能を実現する。
• 参考スコア（独自算出の注目度）: 80.22216005340283
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Monocular 3D hand and body mesh recovery often suffers from severe occlusion and ambiguity. Traditional deterministic methods typically regress a single optimal solution, leading to overconfident predictions. In this paper, we introduce an exploration--exploitation paradigm for ambiguous mesh recovery with multi-hypothesis learning and selection. Specifically, during exploration, based on our probabilistic formulation and entropy maximization, we propose a novel multi-hypothesis method referred to as MHE-Former. It is a Transformer-based multi-hypothesis framework, ensuring high training efficiency and label friendliness while generating plausible and diverse hypotheses. During exploitation, we propose Hypothesis Selection, a context-aware process for multiple predictions. Especially leveraging VLM's powerful visual understanding and reasoning capabilities, it allows users to choose the most plausible and desired estimate with additional evidence and natural language intent. Extensive experiments demonstrate that our framework achieves state-of-the-art performance in accuracy and diversity across multiple datasets. The user preference study further shows the practicality of our hypothesis selection process.
• Abstract（参考訳）: 単眼の3D手と体メッシュの回復は、しばしば重度の閉塞と曖昧さに悩まされる。 伝統的な決定論的手法は、通常、単一の最適解を回帰し、過度に信頼された予測をもたらす。 本稿では,多仮説学習と選択によるあいまいなメッシュ回復のための探索-探索パラダイムを提案する。 具体的には,我々の確率的定式化とエントロピーの最大化に基づく探索において,MHE-Formerと呼ばれる新しい多相合成法を提案する。 トランスフォーマーベースの多仮説フレームワークで、高いトレーニング効率とラベル親和性を確保しつつ、妥当で多様な仮説を生成する。 本稿では,複数の予測のための文脈認識プロセスである仮説選択を提案する。 特に、VLMの強力な視覚的理解と推論機能を活用して、ユーザーは追加のエビデンスと自然言語の意図で最も有望で望ましい見積もりを選択できる。 大規模な実験により、我々のフレームワークは複数のデータセットにまたがる精度と多様性の最先端のパフォーマンスを達成することを示した。 ユーザの嗜好調査は、仮説選択プロセスの実用性をさらに示す。

関連論文リスト

• DLWM: Diverse Latent World Models for Efficient Multimodal Reasoning [5.070905256010651]
  本稿では,遅延空間推論と強化学習を組み合わせた多モーダル推論フレームワークDLWMを提案する。 まず,連続潜伏空間における多種多様な潜伏世界仮説を構築し,それぞれが視覚入力の可視的解釈を捉えている。 次に、リソース制約のある逐次決定問題として、潜時推論過程を定式化する。
  論文  参考訳（メタデータ） (2026-06-13T07:12:46Z)
• Uncertainty-Aware Exploratory Direct Preference Optimization for Multimodal Large Language Models [53.15468578562038]
  マルチモーダル大言語モデル(MLLM)のための不確実性を考慮した探索的直接参照最適化(UE-DPO)手法を提案する。 まず、与えられた画像にトークン予測を根拠にしなかったモデルの不確かさを定量化する。 次に、好ましいサンプルにおいて、視覚的に不足したトークンに対する学習のプレッシャーを高め、非推奨サンプルにおける有益な知識の過度な報酬化を緩和する。
  論文  参考訳（メタデータ） (2026-05-06T13:08:12Z)
• Preferential Normalizing Flows [9.073645394501082]
  ノイズの多い判断によって専門家から高次元の確率分布を除外することは、非常に難しいが、多くのアプリケーションにとって有用である。 本稿では,主観的質問のみに基づく正規化フローとして,専門家の信念密度を抽出する手法を提案する。 本研究では, 信念密度を関数空間最大値として推定できることを示す。
  論文  参考訳（メタデータ） (2024-10-11T10:53:38Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• Prototype-based Aleatoric Uncertainty Quantification for Cross-modal Retrieval [139.21955930418815]
  クロスモーダル検索手法は、共通表現空間を共同学習することにより、視覚と言語モダリティの類似性関係を構築する。 しかし、この予測は、低品質なデータ、例えば、腐敗した画像、速いペースの動画、詳細でないテキストによって引き起こされるアレタリック不確実性のために、しばしば信頼性が低い。 本稿では, 原型に基づくAleatoric Uncertainity Quantification (PAU) フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-29T09:41:19Z)
• Bayesian Hierarchical Models for Counterfactual Estimation [12.159830463756341]
  本稿では,多種多様なカウンターファクトの集合を推定する確率的パラダイムを提案する。 摂動を事前分布関数によるランダム変数として扱う。 収束特性の優れた勾配ベースサンプリング器は、後方サンプルを効率的に計算する。
  論文  参考訳（メタデータ） (2023-01-21T00:21:11Z)
• Trustworthy Multimodal Regression with Mixture of Normal-inverse Gamma Distributions [91.63716984911278]
  このアルゴリズムは、異なるモードの適応的統合の原理における不確かさを効率的に推定し、信頼できる回帰結果を生成する。 実世界のデータと実世界のデータの両方に対する実験結果から,多モード回帰タスクにおける本手法の有効性と信頼性が示された。
  論文  参考訳（メタデータ） (2021-11-11T14:28:12Z)
• Probabilistic Modeling of Semantic Ambiguity for Scene Graph Generation [38.30703975408238]
  視覚的関係はしばしば意味的に曖昧である。 あいまいさは自然に、複雑なマルチラベルの問題を引き起こし、多様な予測の必要性を動機付けます。 本研究では,プラグアンドプレイ確率不確実性モデリング(PUM)モジュールを提案する。
  論文  参考訳（メタデータ） (2021-03-09T07:36:09Z)
• Ambiguity in Sequential Data: Predicting Uncertain Futures with Recurrent Models [110.82452096672182]
  逐次データによる曖昧な予測を扱うために,Multiple hypothesis Prediction(MHP)モデルの拡張を提案する。 また、不確実性を考慮するのに適した曖昧な問題に対する新しい尺度も導入する。
  論文  参考訳（メタデータ） (2020-03-10T09:15:42Z)

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。