論文の概要: Consensus-Aware Multi-Source Fusion for Reference-Guided Camouflaged Object Detection

• arxiv url: http://arxiv.org/abs/2609.38747v1
• Date: Wed, 30 Sep 2026 01:31:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:26.956851
• Title: Consensus-Aware Multi-Source Fusion for Reference-Guided Camouflaged Object Detection
• Title（参考訳）: 基準誘導型カモフラージュ物体検出のためのコンセンサス対応多元核融合
• Abstract要約: カモフラージュオブジェクト検出のためのコンセンサス対応多ソース融合フレームワークを提案する。 このフレームワークは、相互参照コンセンサスアグリゲーションを通じて複数の参照を集約し、クエリ機能にマッチしたセマンティックディープで参照情報を注入する。
• 参考スコア（独自算出の注目度）: 5.724220983287562
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reference-guided camouflaged object detection aims to segment a target whose visual appearance closely resembles its surroundings by exploiting auxiliary reference samples. The task remains difficult because reference samples contain inconsistent target cues, while generic visual representations are not inherently aligned with the target specified by the references. To handle these problems, we present a consensus-aware multi-source fusion framework. Reference-Conditioned Dual-Backbone Fusion (RCDF) couples trainable PVTv2 query features with frozen DINOv3 representations and uses reference-conditioned correlation to select foundation-model evidence before multi-scale fusion. The framework also aggregates multiple references through cross-reference consensus aggregation and injects reference information at semantic depths matched to the query features. Extensive experiments demonstrate the effectiveness of the proposed method. The results further show that reference consensus, target-conditioned foundation features, and hierarchical decoding provide complementary improvements under the evaluation protocol. The source code will be made publicly available upon acceptance.
• Abstract（参考訳）: 参照誘導カモフラージュされた物体検出は、補助的な参照サンプルを利用することで、視覚的外観が周囲によく似ているターゲットを識別することを目的としている。 参照サンプルには一貫性のないターゲットキューが含まれているのに対して、ジェネリックビジュアル表現は、参照によって指定されたターゲットと本質的に一致していないため、タスクは依然として困難である。 これらの問題に対処するため,コンセンサスを考慮したマルチソース融合フレームワークを提案する。 Reference-Conditioned Dual-Backbone Fusion (RCDF) は、訓練可能なPVTv2クエリ機能と凍結したDINOv3表現を結合し、参照条件付き相関を用いて、マルチスケールフュージョンの前に基礎モデルエビデンスを選択する。 フレームワークはまた、相互参照のコンセンサスアグリゲーションを通じて複数の参照を集約し、クエリ機能にマッチしたセマンティックディープで参照情報を注入する。 大規模実験により提案手法の有効性が示された。 さらに, 基準コンセンサス, 目標条件付き基礎特徴, 階層的復号化が, 評価プロトコルの下で補完的な改善をもたらすことを示す。 ソースコードは受理時に公開されます。

関連論文リスト

• SEER: A Self-Grounded Evidence Interface for Controlled Spatial Relation Classification [71.9783246097687]
  SEERは、ペアローカライゼーション中の候補関係を隠蔽し、明示的な主観的/対象的役割を持つクエリ固有ビューを構築し、補完的な証拠として完全なイメージとスパースボックス幾何学を保持する。 正確な逆サポートを持つ関係選択プロトコルでは、オプションリファインメントがエンティティロールを交換し、正確に1つの視覚状態が対応する逆関係に従う場合にのみ前方決定を変更する。 変更されていないプロトコルは、3つのモデルにまたがる2,434個のフィルター付きEmbSpatialペア関係質問に対して +4.35 から +11.79 を得る。
  論文  参考訳（メタデータ） (2026-08-04T13:16:15Z)
• Representation and Reference Selection in Training-Free Synthetic Image Attribution [20.117588342501758]
  合成画像属性は、与えられたAI生成画像に責任があるジェネレータを特定することを目的としている。 我々は、参照とオフザシェルフ事前学習表現を用いて、この相互作用を制御した分析を行う。 その結果, 帰属精度は中間表現レベルで常にピークとなることがわかった。
  論文  参考訳（メタデータ） (2026-07-13T18:10:39Z)
• REVEAL: Reference-Grounded Reasoning for Multimodal Manipulation Detection [33.33464433821003]
  マルチモーダル操作検出は、偽画像のペアを同時に識別し、改ざんした領域をローカライズすることを目的としている。 人間の比較推論に触発されて、我々はこのタスクを基準基底検証問題として再検討する。 本稿では,この比較パラダイム用に明示的に設計されたフレームワークであるREVEALを提案する。
  論文  参考訳（メタデータ） (2026-05-27T13:24:41Z)
• EviRCOD: Evidence-Guided Probabilistic Decoding for Referring Camouflaged Object Detection [9.823189831191064]
  参照カモフラージオブジェクト検出(Referring Camouflaged Object Detection, Ref-COD)は、カテゴリ整列参照を用いたクエリイメージ内の特定のカモフラージされたターゲットのセグメンテーションに焦点を当てる。 EviRCOD は,(1) 階層的な参照駆動型変調と多スケールの変形可能なアグリゲーションを利用して,セマンティックな先行表現を注入し,クロススケールな表現を整列する参照誘導型変形性(RGDE) ; (2) ディリクレ証拠推定を階層的なデコードに組み込んだ不確実性認識証拠デコーダ(UAED) と,(3) 境界認識再閉じ込めモジュールである。
  論文  参考訳（メタデータ） (2026-04-13T01:53:45Z)
• RefAlign: Representation Alignment for Reference-to-Video Generation [53.368296137314225]
  RefAlignは、DiT参照ブランチ機能を視覚基礎モデルのセマンティック空間に整列する表現アライメントフレームワークである。 OpenS2V-Evalベンチマークの実験では、RefAlignがTotalScoreの最先端メソッドより優れていることが示されている。
  論文  参考訳（メタデータ） (2026-03-26T17:59:57Z)
• WeDetect: Fast Open-Vocabulary Object Detection as Retrieval [74.39703419628829]
  Open-vocabularyオブジェクト検出は、テキストプロンプトを通じて任意のクラスを検出することを目的としている。 クロスモーダル融合層(ノンフュージョン)を持たない手法は、認識を検索問題として扱うことにより、より高速な推論を提供する。 WeDetectという名前のモデルファミリを開発し、推論効率の高い15ベンチマークで最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-12-13T12:40:28Z)
• RefOnce: Distilling References into a Prototype Memory for Referring Camouflaged Object Detection [29.264612094775988]
  Ref-CODセグメントは、小さな参照画像のセットを活用することで、シーン内でカモフラージュされたオブジェクトを指定する。 現在のシステムでは、テスト時に参照画像を必要とするデュアルブランチ設計を採用している。 トレーニング中に参照をクラスプロトタイプメモリに蒸留し,推論時に参照ベクトルを合成するRef-CODフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-26T02:42:52Z)
• Referring Camouflaged Object Detection With Multi-Context Overlapped Windows Cross-Attention [22.790236918151574]
  Referring camouflaged object detection (Ref-COD)は、画像やテキスト記述などの参照情報を組み込んで隠れた物体を識別することを目的としている。 本研究では,多言語融合による高精細画像特徴と擬似オブジェクト特徴の融合による性能向上手法を検討する。
  論文  参考訳（メタデータ） (2025-11-17T11:08:50Z)
• A Multimodal Depth-Aware Method For Embodied Reference Understanding [56.30142869506262]
  Embodied Reference Understandingでは、言語命令とポインティングキューの両方に基づいて、視覚的なシーンで対象のオブジェクトを識別する必要がある。 本稿では,データ拡張,深度マップのモダリティ,深度認識決定モジュールを共同で活用する新しいERUフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-09T14:32:21Z)
• Think Before You Segment: An Object-aware Reasoning Agent for Referring Audio-Visual Segmentation [61.37076111486196]
  Ref-AVSは、対象のオブジェクトを所定の参照表現に基づいて可聴ビデオに分割することを目的としている。 本稿では,タスクをThink-Ground-Segmentプロセスに分解するTGS-Agentを提案する。 Ref-Thinkerはマルチモーダル言語モデルであり、テキスト、視覚、聴覚の手がかりを推論することができる。
  論文  参考訳（メタデータ） (2025-08-06T13:05:09Z)

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。