論文の概要: Fragment-Aware Vision Transformers for Fresco-Fragment Style Classification

• arxiv url: http://arxiv.org/abs/2609.21012v1
• Date: Thu, 17 Sep 2026 19:07:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.760065
• Title: Fragment-Aware Vision Transformers for Fresco-Fragment Style Classification
• Title（参考訳）: フレスコフラグメント型分類のためのフラグメント認識型視覚変換器
• Abstract要約: プログレッシブトランスフォーマーに基づくフレームワークを用いてフレスコフラッグメントスタイルの分類について検討する。 CLEOPATRAとPOMPAAFの実験では、フラグメント認識モデリングは標準のViTベースラインよりも改善されている。 我々の貢献は2つある: 単一ブランチ認識を一貫して鋭くする分布レベルのコントラスト目的と、モデルが真に塗られた証拠を悪用したことを検証可能な解釈可能性分析である。
• 参考スコア（独自算出の注目度）: 1.06046072921331
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artistic style classification is usually studied on complete artworks, where models can exploit global composition, spatial organisation, and iconographic structure. In archaeological settings, however, artworks often survive only as fragmented remains, forcing recognition from incomplete, irregular, and context-limited visual evidence. We study fresco-fragment style classification using a progressive transformer-based framework. Starting from a ViT-B/16 baseline, we introduce foreground-guided masking to suppress background-only tokens, inpainting-based geometric regularisation to align irregular fragment supports with the ViT patch grid, and a supervised contrastive objective that operates on predictive distributions through a Kullback-Leibler similarity and consistently improves every branch. We combine the branches with a deliberately simple learnable logit ensemble. Experiments on CLEOPATRA and POMPAAF show that fragment-aware modelling improves over the standard ViT baseline, with the ensemble increasing accuracy from 0.604 to 0.656 and macro-F1 from 0.596 to 0.648 on CLEOPATRA, and outperforming the best single branch in four of six fragmentation settings on POMPAAF. We additionally evaluate a more complex graph-fusion variant and find that it matches the simple ensemble on POMPAAF while offering only a small, dataset-specific gain on CLEOPATRA, which does not justify its added complexity. Beyond these empirical gains, our contribution is twofold: a distribution-level contrastive objective that consistently sharpens single-branch recognition, and an interpretability analysis that verifies the models exploit genuine painted evidence, while quantifying that the inpainting-based branch draws part of its attribution from the synthesised surround.
• Abstract（参考訳）: 芸術様式の分類は通常、モデルがグローバルな構成、空間的な組織、象徴的な構造を利用することができる完全なアートワークで研究される。 しかし考古学的な設定では、美術品は断片化された遺物としてのみ生き残り、不完全で不規則で、文脈に制限された視覚的証拠から認識を迫られる。 プログレッシブトランスフォーマーに基づくフレームワークを用いてフレスコフラッグメントスタイルの分類について検討する。 ViT-B/16ベースラインから、背景のみのトークンを抑えるためのフォアグラウンド誘導マスク、不規則なフラグメントサポートをViTパッチグリッドで整列させる塗装ベースの幾何正規化、およびKullback-Leibler類似性を通じて予測分布を演算し、一貫した各ブランチを改善する教師付きコントラスト目的を導入する。 ブランチと、意図的に学習可能なロジットアンサンブルを組み合わせる。 CLEOPATRA と POMPAAF の実験では、フラグメント・アウェア・モデリングは標準の ViT ベースラインよりも改善され、アンサンブルの精度は 0.604 から 0.656 となり、マクロF1 は CLEOPATRA の 0.596 から 0.648 に向上し、POMPAAF の6つのフラグメント設定のうち4つの中で最高の単一ブランチよりも優れていた。 さらに、より複雑なグラフ融合の変種を評価し、PMPAAF上の単純なアンサンブルと一致し、CLEOPATRA上ではデータセット固有の小さなゲインしか提供せず、追加の複雑さを正当化しないことがわかった。 これらの経験的利益の他に、我々の貢献は2つある: 単一ブランチ認識を一貫して鋭くする分布レベルのコントラスト的目標と、モデルを検証する解釈可能性分析。

関連論文リスト

• HiLRP: Toward One Trustworthy Explanation for Vision Transformer: Conservation-Valid Attribution via Attention Primitives [0.4899818550820576]
  ビジョントランスフォーマー(ViT)の設計は、コンボリューションステム、ウィンドウド、リニア、マルチ軸アテンション、マージパッチ、空間リダクションを組み合わさって、ますます多様化している。 この多様性は既存の帰属法に問題をもたらし、その仮定はViTの変種をまたいでは成立しないことが多い。 既存の手法が、このアーキテクチャ領域にまたがる統一的な属性フレームワークを提供していないことを示す。
  論文  参考訳（メタデータ） (2026-09-01T14:16:08Z)
• A Modelling and Evaluation Framework for EuroCrops-Driven Sentinel-2 Crop Segmentation [78.66324246922831]
  本研究では,Sentinel-2イメージとEuroCropsパーセルレベルのアノテーションからセマンティックセグメンテーション対応農業データセットを生成するパイプラインを提案する。 このデータセットには、ヨーロッパ5カ国から67,337のパッチが含まれており、10種類の作物と背景の分類を減らしている。 The four-level U-Net with Group Normalization were training using 10 Sentinel-2 spectrum bands and a Composite loss with class-weighted cross-entropy and Dice loss。
  論文  参考訳（メタデータ） (2026-05-30T11:20:29Z)
• Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
  カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。 既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。 動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-25T09:57:46Z)
• Validation of Whole-Slide Foundation Models for Image Retrieval in TCGA Data [1.834937230572996]
  私たちはThe Cancer Genome Atlasの17の臓器と60の診断にまたがる9,387の診断スライドで10のパイプラインをベンチマークした。 方法としては、4つの事前訓練されたスライド基盤モデル、パッチ埋め込みのための注意ベースの多重インスタンス学習(ABMIL)アグリゲータ、パッチレベルの検索がある。
  論文  参考訳（メタデータ） (2026-04-28T19:19:53Z)
• Learning Accurate Segmentation Purely from Self-Supervision [87.78965637247107]
  Selfmentは完全に自己管理型のフレームワークで、人間のラベルなしでオブジェクトを生画像から直接分割する。 Selfmentは、複数のベンチマークで新しい最先端(SoTA)結果を設定する。
  論文  参考訳（メタデータ） (2026-02-27T07:36:32Z)
• FigEx2: Visual-Conditioned Panel Detection and Captioning for Scientific Compound Figures [24.537079909096168]
  FigEx2は、パネルをローカライズし、複合図形から直接パネルワイズキャプションを生成する視覚条件付きフレームワークである。 FigEx2 は検出に優れた 0.726 mAP@0.5:0.95 を達成し、Qwen3-VL-8B を METEOR で 0.51 、BERTScore で 0.24 で大幅に上回っている。
  論文  参考訳（メタデータ） (2026-01-12T21:57:52Z)
• Harnessing Group-Oriented Consistency Constraints for Semi-Supervised Semantic Segmentation in CdZnTe Semiconductors [71.44213719783703]
  ICAF(Intra-group Consistency Augmentation Framework)は、CdZnTe(Cadmium Zinc Telluride)半導体画像にラベルを付けるために開発された。 ICAF は View Augmentation Module (VAM) と View Correction Module (VCM) の2つの重要なモジュールで構成されている。 ICAFは、CdZnTeデータセット上の70.6% mIoUを2つのグループアノテートデータのみを用いて達成する。
  論文  参考訳（メタデータ） (2025-08-18T09:40:36Z)
• "Principal Components" Enable A New Language of Images [79.45806370905775]
  証明可能なPCAのような構造を潜在トークン空間に組み込む新しい視覚トークン化フレームワークを導入する。 提案手法は、最先端の再構築性能を実現し、人間の視覚システムとの整合性を向上する。
  論文  参考訳（メタデータ） (2025-03-11T17:59:41Z)

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。