論文の概要: Readout is not Recovery: Dissociating Coordinate Emission from Visual-Corruption Repair in Vision-Language Models
- arxiv url: http://arxiv.org/abs/2609.32757v1
- Date: Sat, 26 Sep 2026 16:25:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 20:41:31.203248
- Title: Readout is not Recovery: Dissociating Coordinate Emission from Visual-Corruption Repair in Vision-Language Models
- Title（参考訳）: 読み出しは回復しない:視覚言語モデルにおける視覚的破壊修復からのコーディネートエミッションの解離
- Abstract要約: 単体接地におけるQwen3-VL-4B-インストラクトの読み出し・回収分離について検討した。
本研究では,クリーンな座標 token の読み出しランキングと汚職由来の修復ランキングを比較し,リカバリのためのオブジェクトマスクの終端置換と深度定位のためのクリーンインプットのフロアリングを用いた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: VLM bounding-box localization is both language generation and spatial commitment. Parseable fields such as bbox_2d make localization easy to score, but dimensions that emit coordinate tokens need not repair localization after visual evidence is damaged. We study this readout/recovery separation in Qwen3-VL-4B-Instruct on single-object COCO grounding. We compare clean coordinate-token readout rankings with corruption-derived repair rankings, using object-mask endpoint replacement for recovery and clean-input flooring for depth localization. In Qwen3-VL, coordinate-token rankings are inert through layer 24, load-bearing from layers 32-35, and peak at layer 34; corruption-derived rankings harm layers 16-24 but become beneficial near layer 35/final. A Kimi-VL-A3B diagnostic shows a matching output-proximal transition despite a different box format. Object-mask recovery separates rank budgets: $k=250$ shows necessity, $k=500$ shows Top-$k$ restoration above random, and $k=d/2$ is largely capacity-driven. Partial-occlusion sweeps reveal that high-overlap coordinate-token sets can hurt at $k=1000$ and help mainly at half-width, while population corruption-derived sets provide no reliable fixed repair set. Edge-attribution patching shows coordinate-token paths are high precision but low recall for detection recovery, and RMSNorm quasi-layer controls do not close the endpoint-repair gap. Endpoint coordinate triage is therefore a useful circuit prior, but occlusion recovery requires a separate benchmark.
- Abstract（参考訳）: VLM境界ボックスのローカライゼーションは言語生成と空間コミットメントの両方である。
bbox_2dのようなParse可能なフィールドは、ローカライゼーションをスコアリングしやすくするが、座標トークンを出力する次元は、視覚的証拠が破損した後、ローカライゼーションを修復する必要はない。
単体COCO接地におけるQwen3-VL-4B-インストラクトの読み出し・回収分離について検討した。
本研究では,クリーンな座標 token の読み出しランキングと汚職由来の修復ランキングを比較し,リカバリのためのオブジェクトマスクの終端置換と深度定位のためのクリーンインプットのフロアリングを用いた。
Qwen3−VLでは、第24層から第32〜35層への負荷受け、第34層へのピークまでの座標整列は不活性であり、汚職由来のランキングは第16〜24層を害するが、第35層/最終層付近では有益となる。
Kimi-VL-A3B の診断は、異なるボックスフォーマットにもかかわらず、出力-近位遷移を示す。
オブジェクトマスクのリカバリはランクの予算を分離する。$k=250$は必要を示し、$k=500$はランダムよりも上位のTop-$k$は復元され、$k=d/2$はキャパシティ駆動である。
部分的排除は、高いオーバーラップの座標トーケンセットが$k=1000$で傷つき、主に半幅で助けられることを示しているが、人口汚職から派生したセットは信頼性の高い固定修理セットを提供しない。
エッジ属性パッチは、座標整合経路が高精度であるが、検出回復のためのリコールが低いことを示し、RMSNorm準層制御はエンドポイントとリペアのギャップを埋めない。
したがって、エンドポイント座標トリアージは、それ以前の有用な回路であるが、オクルージョンリカバリには別のベンチマークが必要である。
関連論文リスト
- QAM: Quadratic-Accurate Checkpoint Merging via Sequential Consistency [44.9106079497003]
保存されたチェックポイントはトレーニングの軌道に沿って状態を記録しますが、通常、異なるスケジュールで訪問される状態の更新を判断しません。
これらのチェックポイントが、所定の更新強度でシーケンシャル参照のエンドポイントをいかに正確に再構築できるかを検討する。
論文 参考訳（メタデータ） (2026-09-28T13:39:41Z) - Error-Adaptive Quasi-local Decoding of the Toric Code [0.0]
トポロジカル量子メモリは信頼性と拡張性を備えたデコーダを必要とする。
グローバルに情報を得たデコーダは精度は高いが、厳密なローカルルールは高速だが長距離構造を見逃す可能性がある。
我々はこのトレードオフをデコーダレベルの局所回復性診断を通じてデフェイズトリックコードに対して運用する。
論文 参考訳（メタデータ） (2026-08-27T21:59:57Z) - Variable-Granularity Tokenization for High-Resolution Object Detection [0.0]
ViT検出器は、学習ステージの前に均一なトークングリッドを固定する。
エンコーダより前の画素から各領域ごとのパッチ粒度を設定できる,トレーニングフリーなトークンライザであるVGTokを紹介する。
論文 参考訳（メタデータ） (2026-08-27T18:39:32Z) - A Finite-Window Recovery Hierarchy for Local Quantum Memory [0.0679707906819912]
動作チャネルベンチマークとして有限ウィンドウ復元性を導入する。
ターゲットサイトからの最適回復、有限ウィンドウ上の有界深度デコーダによるリカバリ、およびそのウィンドウに対する無制限の最適化を比較する。
その運用コンポーネントであるローカル変動リカバリは、ローカル状態の準備、ウィンドウローカルコントロール、ターゲットキュービットのPauliリードアウトを使用して、ターゲット外のリカバリ可能なメモリを認証する。
論文 参考訳（メタデータ） (2026-08-13T04:21:44Z) - Bend the Basics: Degradation-Aware Deformable Tokenization for All-in-One Image Restoration [72.64498743287601]
オールインワン画像復元は、多様で空間的に一様でない腐敗によって劣化した画像を復元できる単一のモデルを求める。
パイプライン全体にわたる劣化認識をモデル化するフレキシブル・イメージ・トランスフォーマー(FIT)を提案する。
FITは、30.72dBの平均PSNRを5次劣化設定で32.83dBを3次劣化設定で達成し、最近の統一修復法を+0.5$sim$1.1dBで上回った。
論文 参考訳（メタデータ） (2026-08-07T05:44:31Z) - More Structure, Not More Capacity: Object-Centric Representations for Visuomotor Imitation Learning [54.65906330923846]
対象中心のスロット表現は、事前学習された視覚モデルに代わる構造化された代替物であることを示す。
トークンの16倍の高密度なパッチグリッドは、グローバル機能に匹敵するパフォーマンスはない。
明示的な2D空間目標とネイティブ解像度レンダリングにより、全システムは68.7$pm$4.2%まで上昇し、特権付き3Dオーラクルの上界の直ぐ下にある。
論文 参考訳（メタデータ） (2026-07-10T10:35:24Z) - A Good Initialization is All You Need for Faithful Visual Attribution [15.375622942149635]
多くの応用、特にMLLMの属性と修復は、コンパクトなトップ(k)エビデンスマスクだけを必要とする。
textscTRACEは、クロスエントロピーサンプリング、エリート保持、配布更新によって、固定心電図の極小領域マスクを検索する。
textscTRACEマスクは、さらに(94.44%)と(96.00%)の単一点RePOPE修復率を達成する
論文 参考訳（メタデータ） (2026-07-07T18:47:45Z) - Linear Regression under Missing or Corrupted Coordinates [58.9213131489513]
我々は,コーディネート的な予算の下で,敵によってデータの破損や消去を行う方法について検討する。
不完全なデータ設定では、敵はデータセットを検査し、最大1座標あたりのサンプルの$eta$-fractionのエントリを削除することができる。
破損したデータ設定では、敵は代わりに任意に値を置換し、その汚職位置は学習者にとって未知である。
論文 参考訳（メタデータ） (2025-09-23T17:01:43Z) - Point-DAE: Denoising Autoencoders for Self-supervised Point Cloud Learning [54.51061298877896]
我々は、より一般的なポイントクラウド学習用オートエンコーダ(Point-DAE)について、マスキング以外の多くの種類の汚職を調査して検討する。
具体的には、特定の破損を入力としてポイントクラウドを分解し、エンコーダ・デコーダモデルを学び、元のポイントクラウドを破損したバージョンから再構築する。
論文 参考訳（メタデータ） (2022-11-13T08:02:03Z) - Generalized Focal Loss: Learning Qualified and Distributed Bounding
Boxes for Dense Object Detection [85.53263670166304]
一段検出器は基本的に、物体検出を密度の高い分類と位置化として定式化する。
1段検出器の最近の傾向は、局所化の質を推定するために個別の予測分岐を導入することである。
本稿では, 上記の3つの基本要素, 品質推定, 分類, ローカライゼーションについて述べる。
論文 参考訳（メタデータ） (2020-06-08T07:24:33Z)
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。