論文の概要: Native Association: Confidence-Aware Human Perception in the Wild with a Foundation VLM

• arxiv url: http://arxiv.org/abs/2609.33450v1
• Date: Sun, 27 Sep 2026 11:00:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-05 16:41:15.527231
• Title: Native Association: Confidence-Aware Human Perception in the Wild with a Foundation VLM
• Title（参考訳）: ネイティブ・アソシエーション(Native Association) - 財団VLMによる野生の人間認知
• Abstract要約: 我々は、0.77B視覚言語モデルを微調整することで、アソシエーションをネイティブにする。 1つの余分なフォワードパスは、リジェクションオプションをサポートするフィールド毎の信頼を与える。 利得は構造の中に存在し、重み付けはしない。
• 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: Extracting who is where, on which team, wearing which number from a broadcast frame is typically done by stitching a detector, an OCR engine, and classifiers together -- and the stitching step swaps identities under occlusion. We make association native instead: a 0.77B vision-language model (Florence-2) is fine-tuned to emit all per-person attributes as one grammar-constrained sequence, with each attribute generated inside its owner's block. Output is therefore schema-valid on every frame by construction, and no post-hoc binding step exists to attach a correctly read number to the wrong player: residual misassociation is pure perception error, $\approx4\times$ rarer than zero-shot-prompted frontier APIs' (0.057 vs. 0.21-0.24). On a frozen multi-sport test set, this single pass reaches 0.95 detection F1 (APIs: 0.65-0.75). A single extra forward pass yields a per-field confidence that supports a reject option (jersey precision $0.71\rightarrow0.96$ at half coverage) and routes a training-free zoom-and-re-read for small players. Surprisingly, once the grammar is learned, further parameter-efficient tuning yields no measurable gain under the adaptation configurations we test; the identical recipe on WIDER-Attribute reaches 93.1 mAP given-box, yields the first detection-coupled end-to-end results under its standard test protocol (84.5 mAP), and reproduces the same tuning result. In this regime, the gains live in the structure, not in added weights.
• Abstract（参考訳）: 典型的には、放送フレームから番号を付けたチームが、検出器、OCRエンジン、そして分類器を一緒に縫い合わせることで行う。 0.77Bの視覚言語モデル(Florence-2)は、すべての人物属性を1つの文法制約シーケンスとして出力するように微調整され、それぞれの属性はその所有者ブロック内で生成される。 残りの誤結合は純粋な認識エラーであり、$\approx4\times$ real-shot-prompted Frontier API' (0.057 vs. 0.21-0.24)。 凍結したマルチスポーツテストセットでは、このシングルパスは0.95の検知F1(API: 0.65-0.75)に達する。 1つの余分なフォワードパスは、リジェクションオプションをサポートするフィールド当たりの信頼度(ハーフカバレッジで0.71\rightarrow0.96$)を出力し、小人数のプレイヤーにはトレーニング不要のズーム・アンド・リリードをルーティングする。 WIDER-Attribute 上の同じレシピは 93.1 mAP given-box に達し、標準テストプロトコル (84.5 mAP) で最初の検出結合されたエンドツーエンド結果を生成し、同じチューニング結果を再現する。 この体制では、利得は付加重量ではなく構造の中に存在する。

関連論文リスト

• Beyond Final-Token Classification: Heterogeneous Readouts for Evidence-Grounded Suicide Risk Detection [10.766937373263204]
  出力実現から意味的検証を分離するヘテロジニアス・リードアウト分解(HRD)を導入する。 HRDは、通常リスクの4つの潜伏スコアを比較し、ほとんどの要因に対してトークンマージンを保持し、一方の共有潜伏プローブを通して7つのラベルをルーティングする。 これらの結果は, セマンティック表現のみではなく, 解答境界を測定可能な誤差源として同定する。
  論文  参考訳（メタデータ） (2026-09-19T05:01:17Z)
• The Blending Ratio Is Not Where the Performance Is: Diagnosing Prototype Blending for Few-Shot Adaptation of Vision-Language Models [22.461983628330277]
  多くの少数ショット適応手法は、ゼロショットテキストプロトタイプとKラベル付き画像特徴の平均の凸の組み合わせで分類される。 正しい比率は何か、検証データなしで見積もることができるのか、パフォーマンスがどこにあるのかを尋ねる。 4800以上の細胞(SigLIPを含む5つのバックボーン、5つのショットカウント、5つのシード、4つのプロンプトレベル)が、理論上最適な比率は間違った量の信頼できる推定値である。 検証不要な線形プローブは、オラクルチューニングされたブレンド(CLAPは+1.9ポイント、LP++は+1.5ポイント)を破る。
  論文  参考訳（メタデータ） (2026-08-23T15:02:33Z)
• Provenance, Not Behaviour: A Serialisation Artifact in Edge-IIoTset and a Leakage-Free Benchmark for Precision-Agriculture Intrusion Detection [0.0]
  Edge-IIoTsetは、IoTにおける機械学習侵入検出のベンチマークである。 そのパフォーマンスの多くは侵入検出ではないことが示されています。 AgriEdge:1,276,122行、完全な属性を持つ5つのデバイス、0.0288以上のクラスを分離する列がない。
  論文  参考訳（メタデータ） (2026-08-16T14:30:45Z)
• Beyond Pass@k: Measuring Reliability and Security of Agentic Code Generation [2.1734195143282693]
  我々は,n = 独立ロールアウトとc = 完全パスロールアウト(タスク,エージェント)ペアで適用したのと同じ推定器であるReliability@kを提案する。 機能的正当性がセキュリティの安全性を示唆しないという証拠によって、セキュリティ調整された信頼性も提案する。
  論文  参考訳（メタデータ） (2026-08-11T16:01:15Z)
• Is Personalized Modality Weighting Actually Personalized? A Controlled Audit of Per-User Weighting Claims in Multimodal Recommenders [29.643383372337308]
  単一のグローバルウェイトが3つの独立したショートビデオコーパスにほぼ全てのコンテンツゲインをもたらすことを示す。 パーソナライズ・クレームの最低基準として,リアルシューフとともにリアルタイムGMを報告することを提案する。
  論文  参考訳（メタデータ） (2026-08-06T06:52:38Z)
• Post-Hoc Trajectory-Risk Certification for Modular LLM-Based Security Agents [1.4915002678801434]
  ボンフェロニ配置は分布自由であるが,相関誤差下では保守的であることを示す。 粗いラベルの選択は、学習された依存なしにほぼ完璧な相関関係を作ることができる。 ステージ単位の証明書とペアの重なり合うバウンドを用いたモジュール証明書は、正の平均利得が0.6%となる。
  論文  参考訳（メタデータ） (2026-08-04T23:48:36Z)
• SPARE: Structural Parameter-Free Affinity Regularization for Flow Matching [30.43836162456455]
  内部表現の正規化は効果的な加速器として現れているが、既存の手法は相補的なコストで2つのファミリーに分かれている。 構造について提案する。 Free Affinity Regularization (SPARE) は、中間トークンのペアの親和性とクリーンな潜在性の親和性とを一致させる正規化器である。 ImageNetでは、400Kレートの予算でSiTバックボーンと$256の256$で、SPAREはエンコーダ、ヘッド、パラメータを追加せず、トレーニングメモリはわずか0.08GBである。
  論文  参考訳（メタデータ） (2026-08-03T09:50:51Z)
• ASTRA-Net: Anatomy-Specific Transfer and Representation Alignment for Drug-Induced Sleep Endoscopy Segmentation [28.923055080999884]
  量的薬物誘発睡眠内視鏡(DISE)は、特定の解剖学的レベルにおいて、信頼性の高い気道境界を必要とする。 実アノテーションを限定した既知の平面disEセグメンテーションのためのASTRA-Netを開発した。 ASTRA-Netは、実際のアノテーションが制限されている場合、フレームレベル、平面固有のDIE境界記述をサポートすることができる。
  論文  参考訳（メタデータ） (2026-07-23T14:37:17Z)
• Bag of Dims: Training-Free Mechanistic Interpretability via Dimension-Level Sign Patterns [0.0]
  我々は、すでにトレーニング不要でアーキテクチャ全般的な機能ベースを提供しているトランスフォーマー隠蔽状態の標準基底を示す。 このBag of Dimsフレームワークを、言語にまたがる7つのモデルで検証する。
  論文  参考訳（メタデータ） (2026-06-10T19:34:31Z)
• Let the Results Speak: A Replication-First Paradigm for LLM Behavioral Benchmarking [22.825786049667602]
  本稿では,1つのヒト・ラタのコンセンサスに有効性を確保するために,複製第一パラダイムを提案する。 楽器を4つの特性で認証する - Kランの信頼性、アーキテクチャ的に異なる審査員間のクロスインストラクトレプリケーション、以前のトレーニングコホートからの審査員による歴史的フットプリントキャリブレーション、事前登録された予測。 本研究は, 自己発達型データ駆動による情緒的伴奏で, 次元は事前に決められず, 手順は9次元に安定化する。
  論文  参考訳（メタデータ） (2026-05-27T03:41:11Z)
• Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
  大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。 個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。 構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
  論文  参考訳（メタデータ） (2026-05-15T17:08:27Z)

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。