論文の概要: ControlTrace: Recovering Control Fields for Hidden-Content Recognition
- arxiv url: http://arxiv.org/abs/2609.34807v1
- Date: Mon, 28 Sep 2026 10:10:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 02:40:31.255196
- Title: ControlTrace: Recovering Control Fields for Hidden-Content Recognition
- Title（参考訳）: ControlTrace: 隠れコンテンツ認識のための制御フィールドの復元
- Abstract要約: 生成時に使用するグレースケール制御フィールドを復元する制御トレースを提案する。
ControlTraceは3つの条件付き強度で60.2%のオープンエンド輪郭認識精度を実現している。
A100 GPUでは、完全なパイプラインはVLM推論を指示するために7.4ms (5.3%)しか追加されない。
- 参考スコア（独自算出の注目度）: 8.281158925779005
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Spatially conditioned diffusion models can embed words and contours in natural-looking images, but vision-language models (VLMs) may fail to recognize the hidden content. Transformation-based recovery depends on parameter and view selection. To evaluate hidden-content recovery and recognition, we construct FreqBlind, a 6,000-image benchmark spanning contours, real words and non-words across three conditioning strengths. The evaluated transformation-based methods show limited recognition of contour patterns and weakly conditioned hidden content. To address this limitation, we propose ControlTrace to recover the grayscale control field used during generation. An 8.4M-parameter U-Net predicts this field from the carrier image, and a VLM then identifies its content. With Qwen2.5-VL-7B-Instruct, ControlTrace achieves 60.2% open-ended contour recognition accuracy across the three conditioning strengths, exceeding the best of the three evaluated prior methods by 26.9 percentage points. On an A100 GPU, the complete pipeline adds only 7.4 ms (5.3%) to direct VLM inference. Recovered fields have lower pixel errors and higher structural similarity than the evaluated transformation views. Across four evaluated VLMs, ControlTrace retains its overall contour recognition advantage. Recognition remains stable under the tested JPEG compression, Gaussian noise and downsampling. These results support control-field recovery for hidden-content recognition in the evaluated setting.
- Abstract（参考訳）: 空間条件付き拡散モデルは自然に見える画像に単語や輪郭を埋め込むことができるが、視覚言語モデル(VLM)は隠された内容を認識することができない。
変換ベースのリカバリはパラメータとビューの選択に依存する。
隠された内容の回復と認識を評価するため、FreqBlindは3つの条件付き強みにまたがる輪郭、実語、非単語にまたがる6,000イメージのベンチマークである。
評価された変換に基づく手法は、輪郭パターンと弱い条件付き隠れ内容の認識が限定的であることを示す。
この制限に対処するために、生成時に使用するグレースケールの制御フィールドを復元する ControlTrace を提案する。
8.4MパラメータのU-Netはキャリアイメージからこのフィールドを予測し、VLMはその内容を識別する。
Qwen2.5-VL-7B-Instructでは、3つの条件付け強度で60.2%のオープンエンドな輪郭認識精度が達成され、評価済みの3つの手法のうち26.9ポイントを上回っている。
A100 GPUでは、完全なパイプラインはVLM推論を指示するために7.4ms (5.3%)しか追加されない。
復元されたフィールドは、評価された変換ビューよりも画素誤差が低く、構造的類似性が高い。
評価された4つのVLMのうち、ControlTraceは全体的な輪郭認識の優位性を維持している。
JPEG圧縮、ガウスノイズ、ダウンサンプリングの下では、認識は安定している。
これらの結果は,評価環境での隠れコンテンツ認識のための制御フィールド回復を支援する。
関連論文リスト
- An End-to-End Automated Pipeline for Controllable Crack Data Synthesis [16.848359184857912]
視覚に基づくき裂検査は、信頼性がトレーニングデータの量、多様性、ラベルの品質に依存するセグメンテーションネットワークに依存する。
本稿では,手動のアノテーションを使わずにラベル付きひび割れデータを生成し,これらのデータとそれに基づいて訓練された検出器の信頼性を評価する。
論文 参考訳（メタデータ） (2026-09-11T04:40:01Z) - Robustness of LLM-Generated SystemVerilog Assertions to Semantics-Preserving RTL Transformations [0.0]
大規模言語モデル(LLM)は、SystemVerilog Assertion(SVA)の自動生成のために、ますます研究されている。
ほとんどの評価では、入力の単一の構文表現に正確さを報告している。
そのような点の精度は、モデルの正しい出力が同じRTLの振る舞いが異なる場合に安定であるかどうかを明らかにしない。
論文 参考訳（メタデータ） (2026-09-04T18:41:58Z) - GradCuit: Credit-Assigned Gradient Flow Enables Robust and Interpretable Test-Time Latent Reasoning [61.67411833252235]
本稿では,プロンプトの隠蔽表現と生成された継続の間に,選択したTransformer層に最適化可能な潜在状態を挿入するGradCuitを紹介する。
5つの命令調整されたバックボーン、3つの推論ベンチマーク、2つの回答フォーマットで、GradCuitの平均精度は64.5%である。
解釈可能性について、トークンレベルの勾配属性は、遅延の影響が推論・接続子トークンに集中していることを明らかにする一方、層解析は、初期から中間のトランスフォーマー層を最も効果的な最適化空間として認識する。
論文 参考訳（メタデータ） (2026-08-03T17:55:24Z) - Breaking Déjà Vu: Independent Auditing of Visual Place Recognition through Vision-Language Reasoning [16.054905457693824]
視覚的位置認識(VPR)は、ロボット工学アプリケーションにおいて、正確な位置決めと長期の自律ナビゲーションを可能にする重要な手段である。
VLMベースの監査は、最先端の手法に比べて平均13.6%改善している。
論文 参考訳（メタデータ） (2026-07-14T14:30:24Z) - G-PROBE: Cross-FOV Place Recognition and Certainty-Coupled Localization for 3D Point Clouds [7.48167476351547]
学習自由なグローバルローカライゼーションフレームワークであるG-PROBEを提案する。
仮想センサー分解は、狭いFOVセンサーからパノラマまたはマルチセンサーリグまでの構成で、設計上は同じパイプラインを実行する。
G-PROBEは、平均して学習不要なマルチセッションF1に達し、パノラマ単一セッション設定で競合する。
論文 参考訳（メタデータ） (2026-07-07T20:22:44Z) - Perceptual Quality Assessment of 3D Gaussian Splatting: A Subjective Dataset and Prediction Metric [76.66966098297986]
3DGSの主観的品質評価データセットである3DGS-QAを提案する。
15種類の物体に対して225の劣化した復元を行い、共通の歪み要因の制御を可能にした。
本モデルでは,ガウス表現から空間的および測光的手がかりを抽出し,構造的に知覚された品質を推定する。
論文 参考訳（メタデータ） (2025-11-11T09:34:20Z) - VOGUE: Guiding Exploration with Visual Uncertainty Improves Multimodal Reasoning [62.09195763860549]
検証可能な報酬(RLVR)による強化学習は、大きな言語モデル(LLM)の推論を改善するが、探索に苦労する。
出力(テキスト)から入力(視覚)空間へ探索をシフトする新しい手法である$textbfVOGUE(Visual Uncertainty Guided Exploration)を紹介した。
本研究は,視覚入力の本質的不確実性における基盤探索が,マルチモーダル推論を改善するための効果的な戦略であることを示す。
論文 参考訳（メタデータ） (2025-10-01T20:32:08Z) - Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。
拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。
MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
論文 参考訳（メタデータ） (2024-05-01T12:03:39Z) - Distortion-Aware Loop Filtering of Intra 360^o Video Coding with
Equirectangular Projection [81.63407194858854]
等角射影(ERP)フォーマットで投影された360$o$ビデオの符号化性能を向上させるため,歪みを考慮したループフィルタリングモデルを提案する。
提案モジュールは、符号化ユニット(CU)パーティションマスクに基づいてコンテンツ特性を分析し、部分的畳み込みによって処理し、指定された領域を活性化する。
論文 参考訳（メタデータ） (2022-02-20T12:00:18Z)
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。