論文の概要: Rank-Consistent Set Reasoning for Co-Salient Object Detection

• arxiv url: http://arxiv.org/abs/2609.13706v1
• Date: Sat, 12 Sep 2026 04:34:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.480198
• Title: Rank-Consistent Set Reasoning for Co-Salient Object Detection
• Title（参考訳）: Co-Salient Object Detectionのためのランク一貫性セット推論
• Abstract要約: Co-SOD(Co-Salient Object Detection)は、個々の画像に忠実でイメージグループによって支持される前景領域を見つけるためのモデルを必要とする。 本稿では,群を非順序集合としてモデル化する教師付き密度予測フレームワークであるemphRank-Consistent Set Reasoning(RCSR)を提案する。
• 参考スコア（独自算出の注目度）: 0.548014499873554
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Co-salient object detection (Co-SOD) requires a model to find foreground regions that are salient in individual images and supported by the image group. We present \emph{Rank-Consistent Set Reasoning} (RCSR), a supervised dense-prediction framework that models a group as an unordered set rather than as a sequence of images or a semantic label. The core idea is to rank how strongly each spatial region agrees with a small collection of learned group slots at every image scale, and to aggregate these ranks with a robust trimmed statistic. This suppresses accidental pairwise matches and prevents one atypical group member from dominating the shared representation. A set encoder builds group slots directly from multi-scale visual features, while a rank-consistency gate measures whether the ordering of candidate regions is stable across group members. The gated slots are decoded jointly with per-image features to produce co-saliency maps. The model contains no natural-language branch, no open-vocabulary detector, and no external segmentation model. We further introduce a group permutation objective and hard-distractor augmentation so that the model learns the properties of a set-level target rather than memorizing image order or isolated visual saliency. We formulate an evaluation protocol for CoCA, CoSal2015, and CoSOD3k, together with tests of group-size robustness, distractor rejection, order invariance, and cross-dataset transfer.
• Abstract（参考訳）: Co-SOD(Co-Salient Object Detection)は、個々の画像に忠実でイメージグループによって支持される前景領域を見つけるためのモデルを必要とする。 本稿では,群を画像のシーケンスやセマンティックラベルではなく,非順序集合としてモデル化する教師付き密集予測フレームワークである 'emph{Rank-Consistent Set Reasoning} (RCSR) を提案する。 中心となる考え方は、各空間領域が各画像スケールで学習されたグループスロットの小さな集合とどれだけ強く一致しているかをランク付けし、これらのランクを頑健な統計量で集計することである。 これにより、偶発的なペアワイズマッチングが抑制され、1つの非典型的なグループメンバーが共有表現を支配するのを防ぐ。 セットエンコーダは、マルチスケールの視覚特徴から直接グループスロットを構築し、ランク一貫性ゲートは、グループメンバー間で候補領域の順序が安定しているかどうかを測定する。 ゲートスロットは、画像ごとの特徴と共同でデコードされ、共存マップを生成する。 このモデルには、自然言語分岐、開語彙検出、外部セグメンテーションモデルが含まれない。 さらに,グループ置換目標とハードディトラクタ拡張を導入し,画像順序や視覚的孤立度を記憶するよりも,設定レベル目標の特性を学習できるようにした。 我々は,CoCA,CoSal2015,CoSOD3kの評価プロトコルを,グループサイズのロバスト性,トラクタの拒絶,順序不変性,データセット間転送の試験とともに定式化する。

関連論文リスト

• Weaving Visual Narratives: Agentic Image Bundle Composition Beyond Atomic Visual Matching [39.681024131939814]
  画像バンドル構成(IBC)*は,個々の画像のランク付けから動的に構成する凝集性画像バンドルへ目的をシフトする,新しいパラダイムである。 IBCは爆発的な課題を示し、非分解性結合関係のモデリングを要求する。 大規模言語モデルを使用して、不足するリレーショナルロールを適応的に検索し、全バンドル検証にビジョンランゲージモデルを使用することで、BundleWeaverはその空間を効果的にナビゲートする。
  論文  参考訳（メタデータ） (2026-08-27T07:50:11Z)
• OccluRank: Controllable Occlusion-Aware Layout-to-Image Generation by Adding Just an Ordinal Rank [57.48234285746084]
  OccluRankはレイアウト・ツー・イメージのフレームワークで、各バウンディングボックスを1つの順序で拡張する。 実験によると、OccluRankはターゲットインスタンスをより確実に保存し、特定のレイアウトに従って、望ましい属性関係を実現する。
  論文  参考訳（メタデータ） (2026-08-21T09:53:06Z)
• Grounding Everything: Emerging Localization Properties in Vision-Language Transformers [51.260510447308306]
  事前学習された視覚言語(VL)モデルでは、微調整なしでゼロショットのオープン語彙オブジェクトローカライゼーションが可能であることを示す。 本稿では,CLIPSurgeryが自己注意経路に導入した価値価値注意の考え方を一般化するグラウンドング・エコノミクス・モジュール(GEM)を提案する。 セマンティックセグメンテーションのための様々なベンチマークタスクとデータセットに基づいて提案したGEMフレームワークを評価する。
  論文  参考訳（メタデータ） (2023-12-01T19:06:12Z)
• Towards Open-World Co-Salient Object Detection with Generative Uncertainty-aware Group Selective Exchange-Masking [23.60044777118441]
  我々は,CoSODモデルのロバスト性を高めるため,グループ選択的交換マスキング(GSEM)アプローチを導入する。 GSEMは、新しい学習戦略を用いて、各グループから画像のサブセットを選択し、選択した画像を交換する。 そこで我々は,非関連画像による不確実性と,グループ内の残りの関連画像のコンセンサス特性を同時に考慮するために,潜時可変ジェネレータブランチとCoSODトランスフォーマーブランチを設計した。
  論文  参考訳（メタデータ） (2023-10-16T10:40:40Z)
• Co-Salient Object Detection with Semantic-Level Consensus Extraction and Dispersion [27.120768849942145]
  共塩物検出は、各画像の一般的な塩物を明らかにすることを目的としている。 意味レベルのコンセンサスを抽出する階層型トランスフォーマーモジュールを提案する。 Transformerベースの分散モジュールは、異なるシーンにおける共存オブジェクトの変動を考慮している。
  論文  参考訳（メタデータ） (2023-09-14T14:39:07Z)
• Multi-Granularity Denoising and Bidirectional Alignment for Weakly Supervised Semantic Segmentation [75.32213865436442]
  本稿では,雑音ラベルと多クラス一般化問題を緩和するために,MDBAモデルを提案する。 MDBAモデルはPASCAL VOC 2012データセットの検証とテストセットにおいて69.5%と70.2%のmIoUに達することができる。
  論文  参考訳（メタデータ） (2023-05-09T03:33:43Z)
• Group-Wise Semantic Mining for Weakly Supervised Semantic Segmentation [49.90178055521207]
  この研究は、画像レベルのアノテーションとピクセルレベルのセグメンテーションのギャップを埋めることを目標に、弱い監督されたセマンティックセグメンテーション(WSSS)に対処する。 画像群における意味的依存関係を明示的にモデル化し,より信頼性の高い擬似的基盤構造を推定する,新たなグループ学習タスクとしてWSSSを定式化する。 特に、入力画像がグラフノードとして表現されるグループ単位のセマンティックマイニングのためのグラフニューラルネットワーク(GNN)を考案する。
  論文  参考訳（メタデータ） (2020-12-09T12:40:13Z)
• CoADNet: Collaborative Aggregation-and-Distribution Networks for Co-Salient Object Detection [91.91911418421086]
  Co-Salient Object Detection (CoSOD)は、2つ以上の関連する画像を含む所定のクエリグループに繰り返し現れる健全なオブジェクトを発見することを目的としている。 課題の1つは、画像間の関係をモデリングし、活用することによって、コ・サリヤ・キューを効果的にキャプチャする方法である。 我々は,複数画像から有能かつ反復的な視覚パターンを捉えるために,エンドツーエンドの協調集約配信ネットワーク(CoADNet)を提案する。
  論文  参考訳（メタデータ） (2020-11-10T04:28:11Z)
• High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
  本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。 我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-03-18T12:18:35Z)

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。