論文の概要: Can Frozen Hyperspherical Features Guide the Selection of Pseudo Masks?

• arxiv url: http://arxiv.org/abs/2609.30080v1
• Date: Thu, 24 Sep 2026 16:30:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:10.105767
• Title: Can Frozen Hyperspherical Features Guide the Selection of Pseudo Masks?
• Title（参考訳）: 凍結した超球面の特徴は擬似マスクの選択を導くことができるか?
• Abstract要約: 凍結した自己監督型バックボーンの特徴に対して,候補が何をするかを判断できることを示す。 SphereTrustを導入し、各候補を分割の3つの特性でスコア付けする。 凍結した特徴だけで1枚あたり0.55秒のプールをランク付けする。
• 参考スコア（独自算出の注目度）: 15.15942748194284
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Foundation segmenters such as SAM return several plausible masks for an unlabeled image, and a student trained on the wrong one inherits its errors. Choosing among them means querying a second large model or fitting a quality head to annotated masks. We show that a candidate can be judged by what it does to a frozen self-supervised backbone's features. Normalized DINOv2 patch features lie on a hypersphere, and a candidate mask splits that sphere in two. Based on this reading, we introduce SphereTrust, which scores each candidate by three properties of the split, the angular contrast between the two sides, the coverage of the foreground's appearance modes, and contact with the image frame, one for each of three common ways a mask fails, and ranks a pool in 0.55 s per image from the frozen features alone. On eight SAM and SAM3 candidate pools spanning camouflaged, salient, and dichotomous segmentation and camouflage under low light, SphereTrust exceeds the strongest evaluated external baseline on six pools by 1.7 to 9.3 percentage points in mean selected Dice. These comparisons include published selection rules and explicitly labeled adaptations of DSS and UCOD-MKD. On the two prompted camouflage pools, its mean selected Dice is within 0.1 percentage points of the candidate-derived DSS adaptation, with a lower catastrophic-error rate. Which cue carries the signal depends on the candidate pool. The same sphere also supports training. The leading candidates enter as a candidate set with their scores as priors, prototypes reorder them, and a cross-fitted second round completes the labels, raising weighted F by 4.5, 2.3, and 5.5 points over fixed-label training on the three MLLM anchor pools, with students competitive with published unsupervised methods on nineteen test sets.
• Abstract（参考訳）: SAMのようなファウンデーションセグメンタは、ラベルのないイメージのためにいくつかの可塑性マスクを返却し、間違ったマスクでトレーニングされた学生がそのエラーを継承する。 それらの中から選ぶことは、2番目の大きなモデルに問い合わせたり、アノテートされたマスクに質の高い頭部を合わせることを意味する。 凍結した自己監督型バックボーンの特徴に対して,候補が何をするかを判断できることを示す。 正規化されたDINOv2パッチは超球面にあり、候補マスクはその球面を2つに分割する。 本稿では,2つの特徴,両面の角度のコントラスト,前景の外観モードのカバレッジ,画像フレームとの接触,マスクが故障する3つの一般的な方法のそれぞれについて,各候補をスコアリングするSphereTrustを紹介し,凍結した特徴のみから0.55秒のプールをランク付けする。 カモフラージュ、塩分、カモフラージュにまたがる8つのSAMおよびSAM3候補プールにおいて、SphereTrustは、選択されたDiceの平均1.7〜9.3ポイントの6つのプールにおいて、最も評価の高い外部ベースラインを超える。 これらの比較には、公表された選択規則と、DSSとUCOD-MKDの明示的にラベル付けされた適応が含まれる。 2つの誘導されたカモフラージュプールでは、選抜されたDiceは、候補由来のDSS適応の0.1パーセント以内であり、破滅的エラー率も低い。 どのキューがシグナルを運ぶかは、候補プールに依存する。 同じ球体は訓練もサポートしている。 先導候補は先発候補として参加し、試作機はリオーダーし、第2ラウンドではラベルが完成し、3つのMLLMアンカープールでの固定ラベルトレーニングで重み付きFが4.5、2.3、および5.5ポイント上昇し、学生は19の試験セットで未監督の手法と競合する。

関連論文リスト

• G2D: Generative-to-Discriminative Collaborative Inference for Zero-Shot Image Classification [14.607727417863273]
  G2Dは、生成的なVLMを使用して、CLIP検索候補を画像に対して検証する、トレーニング不要のフレームワークである。 平均精度は68.85%、CLIPは59.35%、スタンドアロンのVLMは63.11%である。 また、DCLIP、WaffleCLIP、CuPLに移行し、識別的提案と生成的視覚的推論の実践的なインターフェースをサポートする。
  論文  参考訳（メタデータ） (2026-08-27T07:34:07Z)
• What You Can't See Is What You Learn: Slot-Selective Evidence Masking Favors Compositional Generalization in Shared-Genome Language-Model Societies [0.0]
  我々は、アテンションマスクを除いて、10個のマッチした制限付き/グロバルペアを訓練する。 制限された視認性社会は、両深度で少なくとも20ポイント以上の視認性双生児を上回っている。 ホック選択後の6つの制限された社会では、正しく答えられた保留エピソードに対するパケットの介入は、およそ値インデクシングされたリレー状態と一致している。
  論文  参考訳（メタデータ） (2026-08-20T13:51:45Z)
• Contrastive Mask Fidelity: Reference-Free Auditing of Ground-Truth Masks in Remote Sensing Semantic Segmentation [8.326610259657334]
  画像証拠に対して競合するクラスマスクを直接スコアする指標であるContrastive Mask Fidelityを紹介する。 10のリモートセンシングベンチマークで10,731のイメージクラスのペアを検査する。 盲目の3アノテーションのコンセンサスでは、CMFは81%のペアで専門家の判断と一致した。
  論文  参考訳（メタデータ） (2026-08-10T04:02:32Z)
• A Decomposable Probe for Few-Step Diffusion Models: Prompt, Latent, and Score Selectivity across Backbone Families and Distillation Paradigms [0.0]
  拡散学生は50～1-8のネットワーク評価からテキスト・ツー・イメージ・推論を減らした。 我々はスカラーを3つの層に沿って制御された摂動を注入する分解可能なプローブで置き換える。 Inception機能に対するブートストラップ中間のBures W22選択率について報告する。
  論文  参考訳（メタデータ） (2026-07-03T12:18:24Z)
• OpenDeepThink: Parallel Reasoning via Bradley-Terry Aggregation [53.88666485159289]
  OpenDeepThinkは、集団ベースのテスト時間計算フレームワークで、ペアワイズBradley-Terryの比較によって選択する。 OpenDeepThinkはGemini 3.1 ProのCodeforces Eloを8回のLCMコールラウンドで+405ポイント引き上げる。 CF-73は、国際グランドマスターアノテーションによる73の専門家評価コードフォース問題と、公式判決に対する99%の地域評価合意のキュレートされたセットである。
  論文  参考訳（メタデータ） (2026-05-14T17:57:40Z)
• JUMP: Single-Pass Membership Inference on Fine-Tuned Diffusion Language Models [5.43345665278304]
  我々は、細調整された離散拡散言語モデル(dLLMs)に対する会員推論攻撃(MIA)について研究する。 JUMP(Joint Uncertainty-Guided Mask Probing)は,DLLMの特性を両立させるシングルパススコアリング攻撃である。 6つのMIMIRドメインにわたる微調整されたLLaDA-8Bベースでは、JUMPは平均ROC-AUCをSAMAで0.82から0.90に改善し、低FPR検出を大幅に改善する。
  論文  参考訳（メタデータ） (2026-05-09T05:40:00Z)
• The 1st Winner for 5th PVUW MeViS-Text Challenge: Strong MLLMs Meet SAM3 for Referring Video Object Segmentation [65.24213788883016]
  本報告では,第5回PVUW MeViS-Text Challengeの優勝ソリューションについて述べる。 私たちは、強力なマルチモーダルな大規模言語モデルとSAM3を組み合わせた、完全にトレーニング不要なパイプラインを構築しています。 我々の手法はPVUW 2026 MeViS-Textテストセットで第1位であり、最終スコアは0.909064、J&Fスコアは0.7897026である。
  論文  参考訳（メタデータ） (2026-04-01T02:42:30Z)
• Lookahead Unmasking Elicits Accurate Decoding in Diffusion Language Models [51.12873073612084]
  Masked Diffusion Models (MDM) は、反復的にトークンをアンマキングすることで生成される言語モデルであるが、その性能はアンマキングの推測時間順序に依存する。 提案するLookUM(LookUM)は,これらの問題に対処し,サンプリングを可能な全注文に対して経路選択として再構成する。 LookUMはピーク性能を達成するために2～3つの経路しか必要とせず、極めて効率的な経路選択を示す。
  論文  参考訳（メタデータ） (2025-11-04T02:37:37Z)
• Segment, Lift and Fit: Automatic 3D Shape Labeling from 2D Prompts [50.181870446016376]
  本稿では,2Dポイントやボックスプロンプトから3Dオブジェクトを自動的にラベル付けするアルゴリズムを提案する。 従来のアートとは異なり、自動ラベルはバウンディングボックスの代わりに3D形状を予測し、特定のデータセットのトレーニングを必要としない。
  論文  参考訳（メタデータ） (2024-07-16T04:53:28Z)
• Masksembles for Uncertainty Estimation [60.400102501013784]
  ディープニューラルネットワークは、その強みを巧みに実証しているが、その予測の信頼性を推定することは依然として困難である。 深層アンサンブルは不確かさを推定する最良の方法の1つと考えられているが、訓練や評価は非常に高価である。 mc-dropoutも人気の高い代替品で、安価だが信頼性も低い。
  論文  参考訳（メタデータ） (2020-12-15T14:39:57Z)

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。

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。