論文の概要: The Shape of Events: Edge-Based Inductive Biases via Cross-Domain Distillation

• arxiv url: http://arxiv.org/abs/2609.30478v1
• Date: Thu, 24 Sep 2026 19:17:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.116338
• Title: The Shape of Events: Edge-Based Inductive Biases via Cross-Domain Distillation
• Title（参考訳）: イベントの形状:クロスドメイン蒸留によるエッジベース誘導ビアーゼ
• Abstract要約: ImageNetでトレーニングされた畳み込みニューラルネットワークは、局所的な高周波テクスチャを強く好んでいる。 一方、イベントカメラはシーンの明るさの変化のみを記録するため、輪郭情報を撮影するのに適している。 エッジベースオブジェクト形状に強く依存しながら, 高周波テクスチャへの依存性を抑えるモデルとして, 基礎となるメカニズムを同定する。
• 参考スコア（独自算出の注目度）: 6.69087470775851
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Convolutional neural networks trained on ImageNet are known to exhibit a strong preference for local high-frequency texture, an inductive bias that translates into fragile robustness against distribution shifts in real-world environments. Event cameras, in contrast, record only changes in scene brightness and are therefore well suited to capturing contour information; however, due to the absence of diagnostic benchmarks in the event domain, the inductive bias that event-camera data instills in vision models has remained underexplored. In this work, we use knowledge distillation from the event domain to the RGB domain so as to exploit the rich evaluation toolkit available in the RGB domain and systematically dissect this inductive bias. Our experiments show that distillation from the event domain induces, in the RGB domain, color invariance, shape bias, and robustness to high-frequency noise. We identify the underlying mechanism as the model suppressing its dependence on high-frequency texture while acquiring a stronger dependence on edge-based object shape. This hypothesis is supported by changes in how color and spatial information are processed at the early layers, together with a spectral trade-off in which robustness to the absence of high-frequency components coexists with vulnerability to contamination of the relied-upon frequency bands and to disruption of geometric structure. We further show that this inductive bias differs from existing robustification methods and that it functions as a useful prior for diverse downstream tasks in which shape and contour information contribute alongside other cues. The code is available at https://github.com/snskysk/event2rgb-distillation .
• Abstract（参考訳）: ImageNetでトレーニングされた畳み込みニューラルネットワークは、実環境における分布シフトに対して脆弱な堅牢性をもたらす誘導バイアスである、局所的な高周波テクスチャを強く好んでいることが知られている。 対照的に、イベントカメラはシーンの明るさの変化のみを記録するため、輪郭情報を取得するのに適しているが、イベントドメインに診断ベンチマークがないため、イベントカメラデータが視覚モデルに挿入する帰納バイアスは未解明のままである。 本研究では、イベントドメインからRGBドメインへの知識蒸留を用いて、RGBドメインで利用可能なリッチな評価ツールキットを活用し、この帰納バイアスを系統的に解剖する。 実験の結果,RGB領域の蒸留は,RGB領域における色不変性,形状バイアス,高周波数雑音に対するロバスト性を誘導することがわかった。 エッジベースオブジェクト形状に強く依存しながら, 高周波テクスチャへの依存性を抑えるモデルとして, 基礎となるメカニズムを同定する。 この仮説は、色と空間情報が初期層でどのように処理されるかの変化と、高周波数成分の欠如によるロバスト性が、信頼されたアップオン周波数帯域の汚染と幾何学構造の破壊とを共存させるスペクトルトレードオフによって支持される。 さらに、この帰納バイアスは、既存のロバスト化手法と異なり、形状や輪郭情報が他の手段と共に寄与する様々な下流タスクにおいて有用な先行機能であることを示す。 コードはhttps://github.com/snskysk/event2rgb-distillation で公開されている。

関連論文リスト

• RA-SOD: Reliability-Aware RGB-T Salient Object Detection under Modality Degradation [23.43264234749439]
  信頼性を考慮したRGB-T有能なオブジェクト検出フレームワークであるRA-SODを提案する。 RA-SODは、モダリティの信頼性を特徴学習とクロスモーダル融合に統合する。 実験により、RA-SODは最先端性能を示し、重度モード劣化下で強靭性を示す。
  論文  参考訳（メタデータ） (2026-09-11T09:22:20Z)
• SC-Diff: Semantically Calibrated Diffusion for Visible-to-Infrared Image Translation [52.62632888060867]
  可視赤外画像変換は、豊富な可視画像を用いて赤外線トレーニングデータを拡張するための実用的な方法を提供する。 既存の拡散に基づくメソッドは、通常、外部条件としてのみセマンティックプリエントを使用する。 SC-Diffは、条件付きガイダンスと内部自己注意校正の両方にセマンティックな事前情報を利用する意味論的潜伏拡散フレームワークである。
  論文  参考訳（メタデータ） (2026-08-09T07:57:40Z)
• Active Adversarial Perturbation-driven Associative Memory Retrieval for RGB-Event Visual Object Tracking [58.338848435042536]
  RGB-Eventトラッキングは、イベントセンサからRGB外観テクスチャと高密度時間運動キューを融合することにより、ローカライズを改善する。 現実世界のシーンは、従来のマルチモーダル融合を妨げる多様な構造的な信号劣化に悩まされる。 本稿では,RGBイベント追跡に適した階層的摂動・検索フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-24T23:34:06Z)
• Need We Teach Foundation Models What is a Generative Image? Gradient-Free Generative Artifact Detection via Analytic Spectral Adaptation [3.881211374324378]
  勾配ベースの更新による生成成果物の検出に基礎モデルを適用することで、本質的な表現が損なわれる。 本稿では,二分分類から外分布(OOD)異常測定問題への検出を緩和する勾配のない手法を提案する。
  論文  参考訳（メタデータ） (2026-06-03T13:04:23Z)
• DOC-GS: Dual-Domain Observation and Calibration for Reliable Sparse-View Gaussian Splatting [80.43237927269575]
  本稿では,新しい視点からスパースビュー3DGSの再構築について再考する。 我々は、ガウスの原始的信頼性の観測不能性として、コアチャレンジを識別する。 この観測を動機として、レンダリング画像フレームワークにおける統合されたデュアルドメイン観測と幾何学的手法を提案する。
  論文  参考訳（メタデータ） (2026-04-08T07:01:24Z)
• DNA: Uncovering Universal Latent Forgery Knowledge [39.19379714306656]
  フォージェリ検出機能は、すでにトレーニング済みのモデル内にエンコードされている。 DNAフレームワークは粗大な発掘機構を採用している。 Hifi-Genは、最新のモデルの上に構築された高忠実度合成ベンチマークである。
  論文  参考訳（メタデータ） (2026-01-30T03:48:30Z)
• Knowledge-Embedded and Hypernetwork-Guided Few-Shot Substation Meter Defect Image Generation Method [0.0]
  変電所メータは電力グリッドの安定運用の監視と確保において重要な役割を担っている。 クラックやその他の物理的欠陥の検出は、しばしば、注釈付きサンプルの深刻な不足によって妨げられる。 本研究では,条件付き知識埋め込みとHypernetwork-Guided Controlを安定拡散パイプラインに統合する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-14T07:21:57Z)
• Object-centric Cross-modal Feature Distillation for Event-based Object Detection [87.50272918262361]
  RGB検出器は、イベントデータのばらつきと視覚的詳細の欠如により、イベントベースの検出器よりも優れている。 これら2つのモード間の性能ギャップを縮めるための新しい知識蒸留手法を開発した。 対象中心蒸留により,イベントベースの学生物体検出装置の性能が大幅に向上することを示す。
  論文  参考訳（メタデータ） (2023-11-09T16:33:08Z)
• Attentive Multimodal Fusion for Optical and Scene Flow [24.08052492109655]
  既存の方法は通常、RGB画像のみに依存するか、後段のモダリティを融合させる。 本稿では,センサモード間の早期情報融合を可能にするFusionRAFTという新しいディープニューラルネットワーク手法を提案する。 提案手法は,RGB画像に影響を及ぼすノイズや低照度条件の存在下での堅牢性の向上を示す。
  論文  参考訳（メタデータ） (2023-07-28T04:36:07Z)
• Breaking Modality Disparity: Harmonized Representation for Infrared and Visible Image Registration [66.33746403815283]
  シーン適応型赤外線と可視画像の登録を提案する。 我々は、異なる平面間の変形をシミュレートするためにホモグラフィーを用いる。 我々は、まず、赤外線と可視画像のデータセットが不一致であることを示す。
  論文  参考訳（メタデータ） (2023-04-12T06:49:56Z)

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。