論文の概要: TED:Text-Axis Evidence Decomposition for Prompted Anomaly Localization

• arxiv url: http://arxiv.org/abs/2609.39033v1
• Date: Wed, 30 Sep 2026 05:37:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.234768
• Title: TED:Text-Axis Evidence Decomposition for Prompted Anomaly Localization
• Title（参考訳）: TED:Text-Axis Evidence Decomposition for Prompted Anomaly Localization
• Abstract要約: 強い感度が必ずしも局所的な証拠を信頼するとは限らないことを示す。 ドメインシフトの下では、適応されたCLIP-ADモデルは、真の欠陥と視覚的に複雑な正常領域の両方に高い異常スコアを割り当てる。 ソース欠陥パッチや異常と誤認されたソース正規パッチによって各曖昧な応答がより良くサポートされているかどうかを問うポストホックスコア法であるTEDを提案する。
• 参考スコア（独自算出の注目度）: 11.397466395432554
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: CLIP is a powerful vision-language model, but it was not designed for fine-grained defect localization; CLIP-based anomaly detectors therefore adapt it with prompts or lightweight modules to increase defect sensitivity. We show that stronger sensitivity does not necessarily make local evidence reliable: under domain shift, adapted CLIP-AD models often assign high anomaly scores to both true defects and visually complex normal regions. The issue is not simply missing defect information, but a local scoring rule that decodes defect and hard-normal evidence, having the same anomaly evidence. We propose TED (Text-Axis Evidence Decomposition), a post-hoc scoring method that asks whether each ambiguous response is better supported by source defect patches or by source normal patches mistaken as anomalous. TED compares these supports under the host's normal-versus-anomaly text response, leaves the backbone and prompts unchanged, and requires no target-domain training. It works as a train-free score for raw VLM backbones or as a source-calibrated residual correction for adapted CLIP-AD hosts. Across frozen VLM backbones, TED substantially improves pixel-level localization over raw prompt similarity; across adapted hosts, it improves most pixel-level settings over P-AUROC, P-PRO, and P-AP. Gains are largest under stronger hard-FP competition, with mean localization gain increasing from +5.0 in low-competition regimes to about +10.9 in mid/high-competition regimes. These results suggest that recoverable defect evidence can already exist in pretrained multimodal representations, but reliable localization requires decoding it against hard-normal competitors. Code will be released at TED GitHub repository.
• Abstract（参考訳）: CLIPは強力な視覚言語モデルであるが、微細な欠陥ローカライゼーションのために設計されていない。 ドメインシフトの下では、適応されたCLIP-ADモデルは、真の欠陥と視覚的に複雑な正常領域の両方に高い異常スコアを割り当てることが多い。 問題は単に欠陥情報の欠落ではなく、欠陥とハードノーマルな証拠を復号する局所的なスコアリングルールであり、同じ異常な証拠を持っている。 本稿では,ソース欠陥パッチや異常と誤認されたソース正規パッチによって,各曖昧な応答がより適切にサポートされているかどうかを問うポストホックスコア法であるTED(Text-Axis Evidence Decomposition)を提案する。 TEDは、ホストの通常の逆アノマリーテキスト応答の下でこれらのサポートを比較し、バックボーンを残して変更を指示し、ターゲットドメインのトレーニングを必要としない。 生のVLMバックボーンのフリースコアや、適応されたCLIP-ADホストのソース校正残差補正として機能する。 凍ったVLMバックボーン全体にわたって、TEDは生のプロンプト類似性よりもピクセルレベルのローカライゼーションを大幅に改善し、適応されたホスト間では、P-AUROC、P-PRO、P-APよりも多くのピクセルレベルの設定を改善する。 ゲインは強硬FP競争で最大であり、低競争政権では+5.0から中競争政権では約+10.9に上昇する。 これらの結果は、回復可能な欠陥証拠が事前訓練されたマルチモーダル表現にすでに存在することを示唆している。 コードはTED GitHubリポジトリでリリースされる。

関連論文リスト

• Conformalized Large Language Models under Configuration Shift [46.502741608809174]
  コンフォーマル予測は不確実性定量化のための分布のないフレームワークである。 非整合性スコアは、単に固定モデルではなく、推論パイプラインによって引き起こされることが多い。 構成シフトがCPの妥当性を損なうことを示す。
  論文  参考訳（メタデータ） (2026-08-02T19:34:41Z)
• Beyond Static Anchors: Bounded Prototype Conditioning for Language-Free Medical Anomaly Detection [52.986874008247554]
  本稿では,静的アンカーを入力条件付きビジュアルプロトタイプに置き換える言語フリーフレームワークReCAPを提案する。 ReCAPリセンターは、境界ゲート変調により、各画像の正常と異常なプロトタイプを分離した。 3つのセグメンテーションデータセットで最高のゼロショットレベルのAUROCと、24の複数ショット設定のうち23のゼロショットレベルのAUROCを達成する。
  論文  参考訳（メタデータ） (2026-08-01T04:46:55Z)
• The Art of Not Forgetting [0.8875650122536798]
  入力をスパースリレーショナルコードとして表現するアーキテクチャであるCMPを導入し、それらを2層競合メモリに格納し、ローカルで勾配のない更新を通じて完全に学習し、ネットワークのどこにもバックプロパゲーションを含まない。 破滅的な忘れは、通常、リプレイや正規化でパッチを当てられるトレーニング時の欠陥として扱われるが、代わりにバックプロパゲーションがクレジットを割り当てる方法の構造的な結果であり、建設によって局所的でスパースな学習規則はパッチなしでそれに耐えるべきである、という、特定の仮説をテストするためにこのアーキテクチャを使用します。
  論文  参考訳（メタデータ） (2026-07-20T13:42:55Z)
• Large-Scale Universal Defect Generation: Foundation Models and Datasets [51.150071370083026]
  様々な領域にまたがる300Kの正規マスクカプセルの大規模データセットUDGを紹介する。 我々は,参照ベース欠陥生成とテキスト命令ベース欠陥編集の両方をサポートするユニバーサル欠陥生成基盤モデルUniDGを提案する。 MVTec-AD と VisA の実験では、UniDG は合成品質および下流の単クラスおよび複数クラスの異常検出/局所化において、前回の少数ショット異常発生および画像挿入/編集ベースラインより優れていた。
  論文  参考訳（メタデータ） (2026-04-10T03:21:17Z)
• DevPrompt: Deviation-Based Prompt Learning for One-Normal ShotImage Anomaly Detection [0.0]
  FNSAD (Few-normal shot anomaly detection) は、画像内の異常領域を検出することを目的としている。 最近のアプローチでは、CLIPのような視覚言語モデルとプロンプトベースの学習を利用して、画像とテキストの特徴を整合させる。 本稿では,視覚言語モデルのセマンティックパワーと,偏差に基づくスコアリングの統計的信頼性を統合した偏差誘導型即時学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-21T20:35:51Z)
• Defect-aware Hybrid Prompt Optimization via Progressive Tuning for Zero-Shot Multi-type Anomaly Detection and Segmentation [12.030059666003972]
  分散シフト下でのゼロショット多重型およびバイナリ異常検出とセグメンテーションのプログレッシブチューニングに基づく,Defect-aware Prompt Optimizationのための新しいアプローチであるDAPOを紹介する。 本手法は,固定されたテキストアンカーと学習可能なトークン埋め込みの両方で,ハイブリッドな欠陥認識プロンプトを学習することにより,異常関連画像特徴と対応するテキストセマンティクスを一致させる。
  論文  参考訳（メタデータ） (2025-12-10T09:19:17Z)
• Correcting False Alarms from Unseen: Adapting Graph Anomaly Detectors at Test Time [60.341117019125214]
  グラフ異常検出(GAD)における未確認正規pattErnsの修正のための,軽量かつプラグアンドプレイなテスト時間適応フレームワークを提案する。 意味的混乱に対処するために、シフトしたデータと元のデータとをグラフ属性レベルで整合させるグラフ整合器を用いる。 10個の実世界のデータセットに対する大規模な実験により、TUNEは事前学習されたGADモデルの合成パターンと実際の見えない正常パターンの両方への一般化性を著しく向上することが示された。
  論文  参考訳（メタデータ） (2025-11-10T12:10:05Z)
• Loupe: A Generalizable and Adaptive Framework for Image Forgery Detection [46.442787348123126]
  本稿では,共同深度検出と局所化のための軽量かつ効果的なフレームワークであるLoupeを提案する。 Loupeは、パッチ対応分類器と条件付きクエリとセグメンテーションモジュールを統合し、同時にグローバルな認証分類ときめ細かいマスク予測を可能にする。 提案したパッチレベルの融合および条件付きクエリ設計の有効性は,様々な偽造パターンの下での分類精度と空間的局所化の改善に有効である。
  論文  参考訳（メタデータ） (2025-06-20T08:18:44Z)
• Factual Error Correction for Abstractive Summaries Using Entity Retrieval [57.01193722520597]
  本稿では,エンティティ検索後処理に基づく効率的な事実誤り訂正システムRFECを提案する。 RFECは、原文と対象要約とを比較して、原文から証拠文を検索する。 次に、RFECは、エビデンス文を考慮し、要約中のエンティティレベルのエラーを検出し、エビデンス文から正確なエンティティに置換する。
  論文  参考訳（メタデータ） (2022-04-18T11:35:02Z)
• Generalized Focal Loss V2: Learning Reliable Localization Quality Estimation for Dense Object Detection [78.11775981796367]
  GFLV2 (ResNet-101) は14.6 FPSで46.2 APを達成し、以前の最先端ATSSベースライン (43.6 AP at 14.6 FPS) をCOCO tt test-devで絶対2.6 APで上回った。 コードはhttps://github.com/implus/GFocalV2.comから入手できる。
  論文  参考訳（メタデータ） (2020-11-25T17:06:37Z)

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。