論文の概要: Beyond Argmax: A Mechanistic Study of Semantic Retention in Frozen Foundation-Model Composition for Generalized Few-Shot 3D Segmentation
- arxiv url: http://arxiv.org/abs/2609.12099v1
- Date: Thu, 10 Sep 2026 18:25:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.509036
- Title: Beyond Argmax: A Mechanistic Study of Semantic Retention in Frozen Foundation-Model Composition for Generalized Few-Shot 3D Segmentation
- Title（参考訳）: Argmaxを超える: 一般化Few-Shot 3Dセグメンテーションのための冷凍ファンデーションモデル構成における意味的保持の力学的研究
- Abstract要約: 異種情報源が相互作用する前に単一クラスに崩壊した場合に,意味情報がどの程度の有用性を失うかを検討する。
殆どの情報は、コンパクトな可算な代替品の集合を保持することによって回収される。
この寄与は、不均一な凍結モデル構成における繰り返し情報ボトルネックとして、未熟なセマンティック崩壊の制御された診断である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Classical classifier-combination work distinguishes score-level fusion from hard decision-level voting. We revisit this distinction where independently pretrained, frozen foundation models are composed at inference time for generalized few-shot 3D segmentation. We ask: how much useful semantic information is lost when heterogeneous sources are collapsed to a single class before they can interact? We answer with a same-input semantic-retention intervention. Dense RegionPLC and sparse cross-view SAM3 evidence, model weights, masks, geometry, vocabularies, and fusion rules are frozen; only the number of semantic alternatives retained before interaction is varied via a matched top-k ladder. On 156 held-out ScanNet200 scenes, top-1 reaches 28.47 harmonic-mean (HM) IoU while full distribution fusion reaches 34.87 HM (+6.40, 95% CI [+5.24,+7.64]). The pattern replicates on 50 ScanNet++ scenes: 23.02 vs. 26.50 HM (+3.48, 95% CI [+1.64,+5.93]). The conclusion is robust: full-distribution HM is stable across sparse-source weights 0.3--0.7; alternative operators (max, geometric pooling) also outperform top-1; and a GroundingDINO--SAM2.1 source-replacement diagnostic shows monotonic HM increase from 14.77 to 18.75 with full retention. Calibration diagnostics reveal opposite miscalibration of the two sources, yet correcting calibration does not eliminate the retention advantage. Across datasets and source stacks, most information is recovered by retaining a compact set of plausible alternatives. The contribution is a controlled diagnosis of premature semantic collapse as a repeatable information bottleneck in heterogeneous frozen-model composition.
- Abstract（参考訳）: 古典的な分類器結合作業は、スコアレベルの融合とハードな決定レベルの投票を区別する。
我々は、独立に事前訓練された凍結基礎モデルが一般化された小ショット3Dセグメンテーションの推論時間で構成されるこの区別を再考する。
不均一なソースが相互作用する前に単一のクラスに分解されると、どの程度有用なセマンティック情報が失われるのか?
私たちは同じインプット・セマンティック・リテンションの介入で答えます。
Dense RegionPLC and sparse cross-view SAM3 evidence, model weights, masks, geometry, vocabularies, and fusion rules is frozen;
156シーンのScanNet200シーンでは、トップ-1は28.47ハーモニック平均(HM)IoUに到達し、フルディストリビューション融合は34.87HM(+6.40, 95% CI [+5.24,+7.64])に達する。
23.02 vs. 26.50 HM (+3.48, 95% CI [+1.64,+5.93])。
フルディストリビューション HM はスパースソース重量 0.3-0.7 で安定であり、代替演算子(最大、幾何学的なプーリング)もトップ-1より優れており、GroundingDINO--SAM2.1 のソース置換診断では、完全な保持でモノトニック HM は 14.77 から 18.75 に増加した。
校正診断は2つのソースの逆の校正を明らかにするが、校正の補正は保持の利点を排除しない。
データセットとソーススタック全体にわたって、ほとんどの情報は、コンパクトなプラウシブルな代替手段のセットを保持することによって回収される。
この寄与は、不均一な凍結モデル構成における繰り返し情報ボトルネックとして、未熟なセマンティック崩壊の制御された診断である。
関連論文リスト
- Visual Anchoring in Diffusion: Multimodal Zero-Shot Skeleton Action Recognition [4.970910262474302]
Zero-shot Skeleton Action Recognition (ZSAR) は、見えない動作が類似した骨格関節ダイナミクスを共有するが、オブジェクトやシーンコンテキストが異なる場合、あいまいなままである。
既存のマルチモーダルメソッドは通常、独立したスケルトンとRGBスコアリングブランチを保持し、出力を融合する。
骨格データ再構成時に安定した視覚的アンカーとして機能する非拡散RGB条件トークンを用いたテキスト条件記述型変換器を提案する。
論文 参考訳（メタデータ） (2026-08-05T09:28:00Z) - DepthART: Scaling Foundation Monocular Depth to Tiny Models [51.10174763031444]
DepthARTは、様々なシーンにまたがるデバイス上のデプロイメントのためのコンパクトなMDEモデルである。
ゼロショット一般化とメートル法精度の両方において、DepthARTが従来の小さなベースラインを一貫して上回っていることを示す。
また、GTX A6000で347/245 FPS (strict FP32)、Orin NX 8GBで2242/4482ドル、102 FPS (TF32)、Jetson Nano 4GBで15 FPS (FP32) に達したスケーラブルなモデルファミリも提供しています。
論文 参考訳（メタデータ） (2026-07-19T06:54:52Z) - Modeling Normal Is All You Need: Joint Latent Clustering for Anomaly Detection in Multimodal Cyber-Physical Systems [47.027290803102666]
通常の行動は、多くの不均衡で、曲がりくねった、細い範囲の運営体制の結合である。
我々は正規法則を、共同学習された潜在表現と明示的なガウス混合モードクラスタリングでモデル化する。
ポイント調整のない生のポイントワイドメトリクス、自明な検出困難分割、頻度整合F1、列車正規化のみのキャリブレーションを意図的に評価する。
論文 参考訳（メタデータ） (2026-07-07T10:10:00Z) - Measuring and Improving Behavioral Consistency in Large Language Models through Fact-Heuristic-Emotion State Enforcement [4.226475360842309]
大規模言語モデル(LLM)は、実行中に同じ決定問題に対して異なる回答を与え、自身の事前回答がコンテキストとして返されるときにその決定を覆す。
モデル重みを変化させることなく、この不安定性を測定・部分的に低減できるかどうかを問う。
我々は,プロンプトレベルの状態強化層であるCognitive Kernel Model (CKM)をテストする。
論文 参考訳（メタデータ） (2026-06-05T12:36:36Z) - Striding Across Reynolds Numbers: Representation Geometry in Neural PDE Generalisation [0.5451632647096261]
ニューラルPDE解法におけるクロスレイノルズ一般化は、いまだにあまり特徴づけられていない。
我々は、この仮説を、ソーストレーニングされた畳み込みオートエンコーダ潜在空間の状態と一致するConvAE-Relayを通して検証する。
実験では、整合がマニフォールド上に留まっている場合、ソース・レジームのダイナミックス方向が転送可能である(コサイン類似度0.84)ことが確認された。
論文 参考訳（メタデータ） (2026-05-28T15:49:26Z) - More Is Not Always Better: Cross-Component Interference in LLM Agent Scaffolding [4.738949927143789]
LLMエージェントシステムは、コンポーネント(計画、ツール、メモリ、自己回帰、検索)を積み重ねて構築される
We run a full factorial experiment on all 25=32 subsets of five components on HotpotQA and GSM8K with Llama-3.1-8B/70B conditions。
シングルツールエージェントのHotpotQAは、All-Inを32%上回る(F1 0.233 vs 0.177, p23)。
以上の結果から,最大装備エージェントは相互作用認識分析によりサブセット選択に置き換えるべきであることが示唆された。
論文 参考訳（メタデータ） (2026-05-07T06:01:43Z) - PRISM: Differentiable Analysis-by-Synthesis for Fixel Recovery in Diffusion MRI [1.3063136334195184]
この研究は、多部構成のフォワードモデルとエンドツーエンドの脳脊髄モデルに適合する、微分可能な分析バイシンセシスフレームワークを紹介します。
PRISMは高速MSE目標と情報無しで共同で学習するリッチ陰性対数類似度(NLL)をサポートする。
PRISMは、95%のリコールが最良基準線よりも1.9倍低い3.5度の角誤差を達成している。
論文 参考訳（メタデータ） (2026-03-31T21:22:49Z) - Test-Time Scaling with Diffusion Language Models via Reward-Guided Stitching [66.39914384073145]
本稿では,安価な拡散サンプリング推論をステップレベル候補の再利用プールに変換する自己整合性フレームワークを提案する。
ステップレベルの再結合は、難しい問題に対して最も有益であることがわかった。
トレーニング不要のフレームワークは、6つの数学およびコーディングタスクの平均精度を最大2倍改善します。
論文 参考訳（メタデータ） (2026-02-26T11:08:39Z) - Brain Tumor Classification on MRI in Light of Molecular Markers [56.99710477905796]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。
本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文 参考訳（メタデータ） (2024-09-29T07:04:26Z) - Diffusion Soup: Model Merging for Text-to-Image Diffusion Models [90.01635703779183]
シャードデータに基づいてトレーニングされた拡散モデルの重みを平均化する,テキスト・ツー・イメージ・ジェネレーションの複合化手法であるDiffusion Soupを提案する。
提案手法は,構築により,追加記憶や推論コストを伴わずに,無学習の連続学習とアンラーニングを可能にする。
論文 参考訳（メタデータ） (2024-06-12T17:16:16Z) - MTC: Multiresolution Tensor Completion from Partial and Coarse
Observations [49.931849672492305]
既存の完備化の定式化は、主に1つのテンソルからの部分的な観測に依存する。
この問題を解決するために,効率的なマルチレゾリューション・コンプリート・モデル(MTC)を提案する。
論文 参考訳（メタデータ） (2021-06-14T02:20:03Z)
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。