論文の概要: Task-Sensitive Geometry of Representation Transfer for Object Detection under Image Degradation

• arxiv url: http://arxiv.org/abs/2610.04627v1
• Date: Sat, 03 Oct 2026 16:14:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 18:19:14.335754
• Title: Task-Sensitive Geometry of Representation Transfer for Object Detection under Image Degradation
• Title（参考訳）: 画像劣化下における物体検出のための表現伝達のタスク感度幾何
• Abstract要約: 本研究では, クリーンティーチンガー蒸留により, 不均一な物体レベルの移動を発生させながら, 検出精度が向上することを示す。 制御された介入は、蒸留された表現の下で失われたオブジェクトの13.22%を救い出すが、通常の整合したランダムな摂動では4.30%が救われる。 これらの結果は, 局所的, 方向依存型タスクセンシティブな幾何をサポートしながら, このような構造をグローバルトレーニングの改善に転換することは未解決の問題であることを示す。
• 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: Object detection under image degradation can benefit from clean-image supervision, but aggregate gains do not imply that transferred representation changes are uniformly useful. We study how clean task knowledge affects degraded-image representations and whether local responses to structured representation directions can be characterized geometrically. Using paired clean and Gaussian-degraded BDD100K images, we show that clean-teacher distillation improves observed detection accuracy while producing heterogeneous object-level transfer. We isolate a representation component complementary to direct clean-teacher alignment and map it into the distilled student space through an orthogonal bridge. Controlled interventions rescue 13.22% of objects lost under the distilled representation, versus 4.30% under norm-matched random perturbations, with very low harm on preserved objects. We introduce task-sensitive geometry, a gradient-derived channel-space geometry constructed from normalized detection-loss gradients. On a reserved cohort, mapped-complement orientation within this frozen geometry is positively associated with local intervention-response magnitude after controlling for intervention magnitude (partial Spearman $ρ$ = 0.242, 95% CI [0.108, 0.359]). The relationship eplicates on independent data ($ρ$ = 0.180) and with RT-DETR-L ($ρ$ = 0.227), but not for the direct clean-teacher residual family, and it weakens for large interventions. Routing rules and specialized distillation objectives based on these signals do not yield statistically reliable gains over CLEANKD. These results support a local, direction-family-dependent task-sensitive geometry while showing that converting such structure into improved global training remains an open problem.
• Abstract（参考訳）: 画像劣化下でのオブジェクト検出は、クリーンイメージの監視の恩恵を受けることができるが、集約ゲインは、転送された表現の変化が一様に有用であることを示すものではない。 本研究では,クリーンなタスク知識が劣化画像表現に与える影響と,構造化された表現方向に対する局所的な応答を幾何学的に評価できるかどうかについて検討する。 その結果, クリーンティーチンガー蒸留法は, 不均一な物体レベルの移動を発生させながら, 検出精度を向上することがわかった。 直交橋を通じて直接クリーンティーチンガーアライメントを補完する表現成分を分離し, 蒸留した学生空間にマッピングする。 制御された介入は、蒸留された表現の下で失われたオブジェクトの13.22%を救い出すが、通常の整合したランダムな摂動の下では4.30%が救い、保存されたオブジェクトに危害が及ばない。 正規化検出損失勾配から構築した勾配依存性チャネル空間幾何であるタスク感性幾何を導入する。 保留コホート上では、この凍結幾何学内の写像-補数方向は、介入の規模を制御した後の局所的介入-応答の大きさと正に関連している(Partial Spearman $ρ$ = 0.242, 95% CI [0.108, 0.359])。 この関係は独立したデータ (ρ$ = 0.180) と RT-DETR-L (ρ$ = 0.227) に関係するが、直接的な清潔教師の残留家族には関係せず、大きな介入のために弱まる。 これらの信号に基づくルーティング規則と特別な蒸留目的は、CLEANKDよりも統計的に信頼できる利得を得られない。 これらの結果は, 局所的, 方向依存型タスクセンシティブな幾何をサポートしながら, このような構造をグローバルトレーニングの改善に転換することは未解決の問題であることを示す。

関連論文リスト

• When Does Unsupervised Learning Succeed or Fail? A PoS Perspective on Reconstruction-Based Anomaly Detection [4.756592335149889]
  再構成に基づく教師なし学習は2つの反対の方法で失敗する。 我々は、これらの障害を、名目成分によって誘導される会合、連合、結合によって特徴づける。 コンパクトな名目連合は、名目忠実な範囲の中で最適であることを示す。
  論文  参考訳（メタデータ） (2026-09-23T22:42:21Z)
• Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
  無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。 本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。 提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
  論文  参考訳（メタデータ） (2026-04-02T08:08:41Z)
• Self-Aware Object Detection via Degradation Manifolds [3.8265249634979734]
  安全クリティカルな設定では、入力が検出器の名目上の操作状態内にあるかどうかを判断することなく予測を行うことはできない。 劣化多様体に基づく自己認識フレームワークを提案する。 本手法は,コントラスト学習により訓練された軽量な埋め込みヘッドを用いて,標準的な検出バックボーンを増強する。
  論文  参考訳（メタデータ） (2026-02-20T17:58:46Z)
• TASTE: Task-Aware Out-of-Distribution Detection via Stein Operators [2.191505742658975]
  TASTE(Task-Aware STEin演算子)は、いわゆるStein演算子に基づくタスク対応フレームワークである。 得られた演算子は、分布の射影として明確な幾何学的解釈を認め、モデルの感度場に遷移することを示す。
  論文  参考訳（メタデータ） (2026-02-07T17:48:08Z)
• Causal Discovery with Mixed Latent Confounding via Precision Decomposition [0.0]
  微分可能およびスコアベースDAG学習者は、グローバル潜伏効果を因果エッジと誤解釈することができる。 我々は,これらの役割を分離したモジュール型高精度パイプラインであるtextscDCL-DECORを提案する。
  論文  参考訳（メタデータ） (2025-12-31T08:03:41Z)
• Seed-Induced Uniqueness in Transformer Models: Subspace Alignment Governs Subliminal Transfer [0.3805935148497361]
  教師が生徒が線形に復号化できる隠された特徴を埋め込むトランスフォーマーモデルにおけるサブリミナルトランスファーの分析を行う。 伝達強度は特性識別部分空間内のアライメントに比例する。
  論文  参考訳（メタデータ） (2025-11-02T17:34:43Z)
• Registration is a Powerful Rotation-Invariance Learner for 3D Anomaly Detection [64.0168648353038]
  ポイントクラウドデータにおける3次元異常検出は、高い信頼性で構造欠陥を特定することを目的として、産業品質管理に不可欠である。 現在のメモリバンクベースの手法は、しばしば一貫性のない特徴変換と限定的な識別能力に悩まされる。 本稿では、ポイントクラウド登録とメモリベース異常検出の目的を統合した、登録による回転不変の特徴抽出フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-19T14:56:38Z)
• Understanding Collapse in Non-Contrastive Learning [122.2499276246997]
  モデルがデータセットサイズに対して小さすぎる場合,SimSiam表現が部分次元崩壊することを示す。 本稿では,この崩壊の度合いを計測し,微調整やラベルを使わずに下流のタスク性能を予測できる指標を提案する。
  論文  参考訳（メタデータ） (2022-09-29T17:59:55Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• Robust Self-Supervised LiDAR Odometry via Representative Structure Discovery and 3D Inherent Error Modeling [67.75095378830694]
  そこで我々は,2段階のオドメトリ推定ネットワークを構築し,一連の部分領域変換を推定してエゴモーメントを求める。 本稿では,トレーニング,推論,マッピングフェーズにおける信頼できない構造の影響を軽減することを目的とする。 我々の2フレームのオードメトリーは、翻訳/回転誤差の点で、過去の芸術の状態を16%/12%上回っている。
  論文  参考訳（メタデータ） (2022-02-27T12:52:27Z)
• Orthogonal Jacobian Regularization for Unsupervised Disentanglement in Image Generation [64.92152574895111]
  直交ジャコビアン正規化法(OroJaR)を提案する。 提案手法は, 絡み合った, 制御可能な画像生成に有効であり, 最先端の手法に対して好適に機能する。
  論文  参考訳（メタデータ） (2021-08-17T15:01:46Z)

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。