論文の概要: Active Visual Sampling with a Connectome-Constrained Fly Model for One-Shot Hatch Recognition in Architectural Drawings
- arxiv url: http://arxiv.org/abs/2609.24565v1
- Date: Mon, 21 Sep 2026 13:30:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-22 20:29:01.302589
- Title: Active Visual Sampling with a Connectome-Constrained Fly Model for One-Shot Hatch Recognition in Architectural Drawings
- Title（参考訳）: 建築図面におけるワンショットハッチ認識のためのコネクトーム制約フライモデルを用いたアクティブビジュアルサンプリング
- Abstract要約: 本研究では,一発ハッチマッチングのための記述子として,タスク固有の重み更新を伴わずに,コネクトームに拘束されたフライ・ヴィジュアル・ネットワークを再利用できるかどうかを検証した。
立方体Casa5Kで作られた合成ベンチマークによる400枚の開発シートでは、凍結したフライパイプラインは0.857の領域重み付き精度で0.910に達した。
- 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: Architectural drawings encode material classes through repeated hatch patterns. We test whether a connectome-constrained fly visual network, pretrained for motion, can be repurposed without task-specific weight updates as a descriptor for one-shot hatch matching. Each 64 x 64 patch is translated over eight scan trajectories and summarized across 57 cell types; query descriptors are then matched to one legend strip per class. On 400 development sheets from a synthetic benchmark built on CubiCasa5K geometry, the frozen fly pipeline reaches 0.857 area-weighted accuracy and 0.910 with an extended legend. On an equal-brightness orientation condition it reaches 0.840 versus 0.299 for eleven pixel statistics, while a Gabor bank reaches 0.900. Replacing drift with a repeated still frame lowers the combined equal-condition score by 0.089 [0.066, 0.112]. However, a receptors-only descriptor reaches 0.891 and a task-trained 5,888-parameter CNN averages 0.959, so the current evidence supports transfer and the usefulness of active sampling, but not an advantage of the biological wiring. We separate project-recorded results from recomputed checks and report a small real-drawing audit. The supported claim is therefore narrow: motion-oriented biological vision can be repurposed as a useful texture representation for architectural hatch matching, while the topology contribution and end-to-end BIM utility remain open questions.
- Abstract（参考訳）: 建築図面は、繰り返しハッチパターンを通して材料クラスをエンコードする。
本研究では,一発ハッチマッチングのための記述子として,タスク固有の重み更新を伴わずに,コネクトームに拘束されたフライ・ヴィジュアル・ネットワークを再利用できるかどうかを検証した。
各64 x 64パッチは8つのスキャントラジェクトリに翻訳され、57のセルタイプにまとめられ、クエリ記述子はクラス毎に1つの伝説のストリップにマッチする。
立方体Casa5Kで作られた合成ベンチマークによる400枚の開発シートでは、凍結したフライパイプラインは0.857の領域重み付き精度で0.910に達した。
等輝度方向条件では11ピクセル統計では0.840対0.299、ガボル銀行では0.900となる。
繰り返し静止フレームによるリプレースドリフトは、組合せ等条件スコアを0.089[0.066,0.112]下げる。
しかし、受容体のみのディスクリプタは0.891に達し、タスク訓練された5,888パラメータCNNの平均は0.959である。
我々は、再計算されたチェックからプロジェクト記録結果を切り離し、小さな実際の監査を報告する。
動き指向の生物学的視覚は、アーキテクチャハッチマッチングに有用なテクスチャ表現として再利用できるが、トポロジの貢献とエンドツーエンドのBIMユーティリティは未解決のままである。
関連論文リスト
- NObSP: Functional Decomposition of Neural Networks via Oblique Subspace Projections [41.99844472131922]
提案するNObSPは,予測を機能毎の明示的なコントリビューション関数と相互作用残差に分解するフレームワークである。
NobSPはトレーニングされたネットワークの線形最終層を利用して、サンプル空間における斜め投影を用いて二重カウントを削減する。
畳み込みネットワークでは、NObSP-CAMは1回のキャリブレーション後に後方通過なしでクラスアクティベーションマップを生成する。
論文 参考訳（メタデータ） (2026-09-15T20:40:44Z) - Solution for UCF UrbanTwin LUMPI Track: Sim-to-Real Urban LiDAR 3D Object Detection [54.03436243843709]
UCF UrbanTwin Sim2Real LiDAR Challenge at the 6th DriveX Workshop, ECCV 2026。
検出器は合成データのみに基づいて訓練され、50個の実LiDARフレームで評価される。
ポイントクラウドリアリズムに対して、別の50フレームの合成提案が評価される。
論文 参考訳（メタデータ） (2026-09-07T15:03:36Z) - Clinical Reasoning Under a Partially Observed Objective in Cone Beam CT Report Generation [0.0]
コーンビーム計算トモグラフィーによる顎顔面画像生成は, 実包含量判定の大規模言語モデルにおいて, 80%の重量を重み付けする複合目的によって評価される。
グレーダのBLEU-4とMETEORルーチンは純粋なPythonで再現され、機械の精度に一致する。
論文 参考訳（メタデータ） (2026-09-02T15:06:06Z) - Learning Manipulation-Sufficient Representations via Outcome Bottlenecks [7.044221981512693]
ネットワーク操作エンドポイントは、計算と帯域幅に制限のあるリンク間でのアクティベーションに対する認識を2つに分けている。
表現は、ポリシーフリーでアクション条件付きの結果ボトルネックで学習される。
有限プローブ定理は、局所レベル集合の接空間と結果ヤコビアンの零空間を識別する。
論文 参考訳（メタデータ） (2026-09-02T13:22:35Z) - SketchMamba: A Lightweight State-Space Model for Joint Progressive Sketch Classification and Stroke Auto-Completion [0.0]
既存のベクトルスケッチモデルは、認識と生成を別のタスクとして扱う。
スケッチマンバ(SketchMamba)は、任意の部分的な接頭辞からスケッチを連続的に分類し、その継続を同時に生成する単一因果配列モデルである。
論文 参考訳（メタデータ） (2026-07-26T10:05:23Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - SPATE: Spiking-Phase Adaptive Temporal Encoding for Quantum Machine Learning [3.1061484260786014]
本稿では,時間構造を量子特徴量に組み込んだ効果的な符号化機構としてスパイクに基づくデータ表現を用いる。
新しいスパイク駆動時間符号化法が提案され、実値のタブ状特徴を漏れきりのスパイク列車に変換し、スパイク統計を量子回転にマッピングする。
階層化されたクロスバリデーションの下では、SPATEは複数のデータセットにまたがるより強力な表現をもたらす。
論文 参考訳（メタデータ） (2026-04-13T05:41:03Z) - Automated Circuit Interpretation via Probe Prompting [0.0]
本稿では、帰属グラフをコンパクトで解釈可能な部分グラフに変換する自動パイプラインであるプローブプロンプトを提案する。
5つのプロンプトにまたがって、プローブプロンプトされたサブグラフは、複雑さを圧縮しながら高い説明的カバレッジを保っている。
幾何学的クラスタリングベースラインと比較すると、概念整列群はより高い行動コヒーレンスを示す。
論文 参考訳（メタデータ） (2025-11-10T11:53:36Z) - Telling Left from Right: Identifying Geometry-Aware Semantic Correspondence [80.6840060272386]
本稿では,意味的対応のための幾何学的認識の重要性を明らかにする。
この情報を活用することで,意味的対応性能が著しく向上することを示す。
提案手法は,SPair-71kデータセット上で,65.4(ゼロショット)と85.6(教師)のPCK@0.10スコアを達成する。
論文 参考訳（メタデータ） (2023-11-28T18:45:13Z) - Chest x-ray automated triage: a semiologic approach designed for
clinical implementation, exploiting different types of labels through a
combination of four Deep Learning architectures [83.48996461770017]
本研究では,異なる畳み込みアーキテクチャの後期融合に基づく深層学習手法を提案する。
公開胸部x線画像と機関アーカイブを組み合わせたトレーニングデータセットを4つ構築した。
4つの異なるディープラーニングアーキテクチャをトレーニングし、それらのアウトプットとレイトフュージョン戦略を組み合わせることで、統一されたツールを得ました。
論文 参考訳（メタデータ） (2020-12-23T14:38:35Z)
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。