論文の概要: BagDINO: Multi-View Baggage Re-Identification with DINOv3

• arxiv url: http://arxiv.org/abs/2610.10160v1
• Date: Wed, 07 Oct 2026 14:38:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.960189
• Title: BagDINO: Multi-View Baggage Re-Identification with DINOv3
• Title（参考訳）: BagDino: DINOv3でマルチビューのバッグを再認識
• Abstract要約: 本稿では,マルチカメラ環境におけるインスタンスレベルの検索問題として,荷物の再識別について検討する。 DINOv3バックボーンの上にTorchreid型BNNeck再識別ヘッドを配置し、LoRAを介してパラメータ効率適応を行う。
• 参考スコア（独自算出の注目度）: 0.861850130769933
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mishandled checked baggage remains a recurrent issue in airport operations, and current recovery workflows still largely rely on tag-based tracking, which does not directly support visual identification when tag evidence is missing or unavailable. This paper investigates baggage re-identification as an instance-level retrieval problem in a multi-camera setting, leveraging DINOv3 foundation-model representations to match a query image against a gallery of registered baggage images. A Torchreid-style BNNeck re-identification head is placed on top of a DINOv3 backbone, and parameter-efficient adaptation is performed via LoRA. Experiments are conducted on the MVB benchmark using a progressive study that compares a fully frozen backbone against LoRA and fine-tuning strategies. Results indicate that parameter-efficient adaptation of foundation-model features provides an effective and stable approach for multi-view baggage re-identification under limited training data.
• Abstract（参考訳）: 現在のリカバリのワークフローはタグベースのトラッキングに大きく依存しており、タグのエビデンスがない場合や利用できない場合は、直接視覚的識別をサポートしない。 本稿では、DINOv3基礎モデル表現を利用して、登録された荷物画像のギャラリーとクエリ画像の一致を図り、マルチカメラ設定におけるインスタンスレベルの検索問題としての荷物再識別について検討する。 DINOv3バックボーンの上にTorchreid型BNNeck再識別ヘッドを配置し、LoRAを介してパラメータ効率適応を行う。 MVBベンチマークの実験は、完全に凍結したバックボーンとLORAと微調整戦略を比較したプログレッシブな研究を用いて行われた。 その結果, 基礎モデル特徴量に対するパラメータ効率の適応は, 限られたトレーニングデータの下での多視点荷物再識別に有効かつ安定したアプローチを提供することがわかった。

関連論文リスト

• Before They Can Solve: Predicting Post-Training Coding-Agent Performance from Base Models [87.94969284553706]
  エンド・ツー・エンドのpass@$K$は、成功した振る舞いがベースモデルのディストリビューションにすでに現れるかどうかをテストする。 コールドスタートからハーネスを駆動するために、ベースチェックポイントを必要としない3つのスクリーンを構築します。 3つの画面はいずれも、ポストトレーニング後のSWE-bench Verified pass@$1$と密接に一致して、コホートをランク付けする。
  論文  参考訳（メタデータ） (2026-10-07T17:37:19Z)
• Forensic Reserve: Eliciting Latent Knowledge for Image Forgery Detection [9.040826463467232]
  Reserve-Guided Elicitation (RGE)は、事前訓練されたモデルにおけるスパースでオリジンに敏感な内部成分を法医学的保護として扱う。 RGEは、ターゲットベンチマークを適用せずに、3つの検出ベンチマークで競合性能を達成する。
  論文  参考訳（メタデータ） (2026-10-06T16:33:00Z)
• RAFT: A Stateful Retrieval-Augmented Framework for Troubleshooting Agents [5.704582288659669]
  RAFT(Retrieval-Augmented Framework for Agents)は、各閉じた履歴ケースを時系列エントリの連鎖に抽象化し、エントリレベルで検索するステートフルなRAGフレームワークである。 我々は,本検索層を直接評価するが,フルエージェントシステムとは違い,本運用環境の配置は不要である。 RAFTは、バニラRAGとGraphRAGのベースラインよりも格段に改善され、最強のベースラインよりも統計的に有意な増加が見られた。
  論文  参考訳（メタデータ） (2026-09-17T17:41:31Z)
• PADFormer: Pose-agnostic Anomaly Detection from Sparse View Images [40.540633292445925]
  突発性異常検出(PAD: Pose-Anostic Anomaly Detection)は、任意の視点で異常が現れるため、依然として困難である。 本研究では、視覚変換器(ViT)を利用して、クエリー画像の異常のないバージョンを直接再構築する新しい画像空間アプローチであるPADFormerを提案する。 PADは、古典的な数発の異常検出タスクにおいて同等のパフォーマンスを維持しながら、PADベンチマークで最先端の結果を達成する。
  論文  参考訳（メタデータ） (2026-08-04T20:23:34Z)
• CLOSER-VLN: Closed-Loop Self-Verified Retrieval-Augmented Reasoning for Aerial Vision-Language Navigation [10.221757123615786]
  視覚言語ナビゲーション(VLN)は、タスク固有のナビゲーションポリシーをトレーニングすることなく、エージェントが見えない環境で自然言語の指示に従うことができる、大規模な言語モデルとマルチモーダルモデルで最近進歩した。 既存のVLNメソッドの多くは、命令や観察から候補アクションが生成されるが、実行前に検証や修正されることは滅多にない、オープンループ決定実行アプローチに依存している。 コンクリート施工前にクローズループ方式で行動推論,信頼性検証,ターゲット検索,行動補正を逐次行う訓練自由度法であるCLOSERを提案する。
  論文  参考訳（メタデータ） (2026-06-24T05:57:42Z)
• RepoMirage: Probing Repository Context Reasoning in Code Agents with Perturbations [51.43574078961796]
  本稿では,SWE-Bench Verified上に構築された2段階評価スイートRepoMirageを紹介する。 RepoMirage-Perturbは、リポジトリレベルの摂動を保存する3つのタイプのセマンティクスを適用している。 RepoAnchorは、下流の問題解決からリポジトリの探索を分離する構造第一のプロトタイプワークフローである。
  論文  参考訳（メタデータ） (2026-05-25T06:26:43Z)
• SCALE-LoRA: Auditing Post-Retrieval LoRA Composition with Residual Merging and View Reliability [2.9388795721577328]
  低ランク適応(LoRA)アダプタはパラメータ効率適応の実用的な副産物になりつつある。 オープンプール LoRA 再利用のための監査・構成フレームワークである Sparse-Composition Agreement Layer (SCALE) を導入する。 実験項目では,詳細なスコア,ペア監査,パスコスト記録が報告されている。
  論文  参考訳（メタデータ） (2026-05-02T13:00:05Z)
• ReCALL: Recalibrating Capability Degradation for MLLM-based Composed Image Retrieval [64.14282916266998]
  Composed Image Retrievalは、参照画像と修正テキストからなるハイブリッドクエリに基づいてターゲット画像を取得することを目的としている。 本稿では,診断・生成・再定義パイプラインに従うモデルに依存しないフレームワークであるReCALLを提案する。 CIRRとFashionIQの実験では、ReCALLは継続的に劣化した機能を再検討し、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-02-02T04:52:54Z)
• ACTRESS: Active Retraining for Semi-supervised Visual Grounding [52.08834188447851]
  前回の研究であるRefTeacherは、疑似自信と注意に基づく監督を提供するために教師学生の枠組みを採用することで、この課題に取り組むための最初の試みである。 このアプローチは、Transformerベースのパイプラインに従う現在の最先端のビジュアルグラウンドモデルと互換性がない。 本稿では, ACTRESS を略したセミスーパービジョン視覚グラウンドのためのアクティブ・リトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2024-07-03T16:33:31Z)
• Unsupervised Noisy Tracklet Person Re-identification [100.85530419892333]
  本稿では,非照合トラックレットデータから識別的人物再識別モデルを訓練できる選択的トラックレット学習(STL)手法を提案する。 これにより、カメラビュー全体で人物の画像/トラックレットの真のマッチングペアを完全にラベル付けする面倒でコストのかかるプロセスが回避されます。 提案手法は生トラックレットの任意のノイズデータに対して特に頑健であるため,制約のない追跡データから識別モデル学習にスケーラブルである。
  論文  参考訳（メタデータ） (2021-01-16T07:31:00Z)

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。