Fugu-MT 論文翻訳(概要): Multimodal Taxonomic Conditioning for Generative Plankton Imagery

論文の概要: Multimodal Taxonomic Conditioning for Generative Plankton Imagery

arxiv url: http://arxiv.org/abs/2609.11673v1
Date: Thu, 10 Sep 2026 15:08:53 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-11 23:53:35.411677
Title: Multimodal Taxonomic Conditioning for Generative Plankton Imagery
Title（参考訳）: 生成プランクトン画像のためのマルチモーダル分類条件付け
Abstract要約: 分類を条件とした合成プランクトン画像を生成する。 CLIPエンコーダは、パラメータ効率のよい拡散変圧器を条件に、奥深く、ぼろぼろに拡張され、冷凍された、コントラストの低い大きなプランクトンコーパスに適応する。
参考スコア（独自算出の注目度）: 2.2639735235640015
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Automated plankton imaging produces severely long-tailed datasets, where the rare taxa of greatest ecological interest have too few images to train or evaluate classifiers reliably. We generate synthetic plankton imagery conditioned on taxonomy: a CLIP encoder is adapted on a large plankton corpus with a ranked contrastive objective extended to deep, ragged taxonomies, then frozen to condition a parameter-efficient diffusion transformer. We evaluate synthetic sample quality on distributional fidelity and downstream classifier utility.
Abstract（参考訳）: 自動プランクトンイメージングは、非常に長い尾を持つデータセットを生成する。分類を条件とした合成プランクトン画像を生成する。CLIPエンコーダは、奥深く、ぼろぼろのタコノミーにまで拡張された、大きなプランクトンコーパスに適応し、パラメータ効率の拡散変圧器を条件に凍結する。分布忠実度と下流分類器の有用性について, 合成試料の品質評価を行った。

関連論文リスト

Towards Syn-to-Real IQA: A Novel Perspective on Reshaping Synthetic Data Distributions [74.00222571094437]
Blind Image Quality Assessment (BIQA)はディープラーニングを通じて大幅に進歩しているが、大規模なラベル付きデータセットの不足は依然として課題である。合成データセットから学習した表現は、しばしば回帰性能を妨げる離散的かつクラスタ化されたパターンを示す。本稿では,BIQAの一般化を促進するために,合成データ分布を再考する新しいフレームワークであるSynDR-IQAを紹介する。
論文参考訳（メタデータ） (2026-01-01T06:11:16Z)
Open-Set Plankton Recognition [0.10324748405849929]
現代の自動プランクトンイメージング装置は、大規模なプランクトン画像データセットの収集を可能にする。プランクトン種認識は画像分類タスクと見なすことができ、一般的にディープラーニングに基づく画像認識モデルを用いて解決される。本稿では,プランクトン画像のオープンセット認識(OSR)について考察する。
論文参考訳（メタデータ） (2025-03-14T11:35:36Z)
Hierarchical Classification for Automated Image Annotation of Coral Reef Benthic Structures [5.407146435972322]
自動ベント画像アノテーションは,サンゴ礁の気候変動対策を効率的に監視し,保護するために重要である。現在の機械学習アプローチでは、ベント生物の階層的な性質を捉えることができない。階層分類を用いた良性画像のアノテートを提案する。
論文参考訳（メタデータ） (2024-12-11T09:28:30Z)
Generator Born from Classifier [66.56001246096002]
データサンプルに頼ることなく、イメージジェネレータを再構築することを目指している。本稿では,ネットワークパラメータの収束条件を満たすために,ジェネレータを訓練する新しい学習パラダイムを提案する。
論文参考訳（メタデータ） (2023-12-05T03:41:17Z)
Efficient Unsupervised Learning for Plankton Images [12.447149371717]
水生生態系の保全には,シチューにおけるプランクトン群集のモニタリングが不可欠である。このようなデータを分類するための機械学習アルゴリズムの採用は、手動アノテーションの大幅なコストに影響される可能性がある。プランクトン微生物の正確な分類を行うために,効率的な教師なし学習パイプラインを提案する。
論文参考訳（メタデータ） (2022-09-14T15:33:16Z)
Towards Generating Large Synthetic Phytoplankton Datasets for Efficient Monitoring of Harmful Algal Blooms [77.25251419910205]
有害な藻類(HAB)は養殖農場で重大な魚死を引き起こす。現在、有害藻や他の植物プランクトンを列挙する標準的な方法は、顕微鏡でそれらを手動で観察し数えることである。合成画像の生成にはGAN(Generative Adversarial Networks)を用いる。
論文参考訳（メタデータ） (2022-08-03T20:15:55Z)
Deep Learning Classification of Lake Zooplankton [0.0]
湖沼プランクトンの同定のために開発された深層学習モデルについて述べる。この目的のために,我々は17900年の動物園プランクトンと大型植物プランクトンコロニーの画像に対して35のクラスに注釈を付けた。最良モデルは転送学習とアンサンブルに基づいて,98%の精度と93%のF1スコアでプランクトン画像を分類した。
論文参考訳（メタデータ） (2021-08-11T14:57:43Z)
Two-View Fine-grained Classification of Plant Species [66.75915278733197]
本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
論文参考訳（メタデータ） (2020-05-18T21:57:47Z)
Residual-Sparse Fuzzy $C$-Means Clustering Incorporating Morphological Reconstruction and Wavelet frames [146.63177174491082]
Fuzzy $C$-Means (FCM)アルゴリズムは、形態的再構成操作とタイトウェーブレットフレーム変換を組み込んでいる。特徴集合とその理想値の間の残差に対して$ell_0$正規化項を付与することにより、改良されたFCMアルゴリズムを提案する。合成, 医用, カラー画像に対する実験結果から, 提案アルゴリズムは効率的かつ効率的であり, 他のアルゴリズムよりも優れていた。
論文参考訳（メタデータ） (2020-02-14T10:00:03Z)
Automatic image-based identification and biomass estimation of invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文参考訳（メタデータ） (2020-02-05T21:38:57Z)

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。