論文の概要: Beyond Resolution: Object-to-Image Ratio Mismatch in Instance Retrieval

• arxiv url: http://arxiv.org/abs/2610.11489v1
• Date: Thu, 08 Oct 2026 08:31:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.895232
• Title: Beyond Resolution: Object-to-Image Ratio Mismatch in Instance Retrieval
• Title（参考訳）: 解像度を超えて: インスタンス検索におけるオブジェクト対イメージ比のミスマッチ
• Abstract要約: 通常、主な原因は分解能損失ではなく、O2I(Object-to-image)比のミスマッチである。 5つのカメラ距離でレンダリングされた3,021個のオブジェクトのベンチマークでは、クロス距離劣化の80%以上がO2Iに起因する。
• 参考スコア（独自算出の注目度）: 39.73132209735227
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual instance retrieval often fails when the same object appears at different apparent sizes in the query and gallery. We show that the dominant cause is usually not resolution loss but object-to-image (O2I) ratio mismatch: the object occupies different fractions of the two images. On a controlled benchmark of 3,021 Objaverse objects rendered at five camera distances, more than 80% of the cross-distance degradation is attributable to O2I mismatch rather than resolution for 9 of 12 pretrained backbones; multi-scale architectures cut the resolution-only effect to single digits yet remain equally susceptible. The failure is also asymmetric: tight queries retrieve more reliably against wide gallery images than the reverse. Guided by this analysis, query-side scale augmentation and an OWLv2 crop reranker reach state of the art on ILIAS 100M (29.2 mAP@1000 before reranking, 42.0 after) without training or modifying the precomputed gallery index, and a LoRA fine-tune matches the query-side gains at a single forward pass, showing that O2I robustness is learnable.
• Abstract（参考訳）: ビジュアルインスタンスの検索は、クエリとギャラリーで同じオブジェクトが異なるサイズで現れると、しばしば失敗する。 主な原因は分解能損失ではなく,O2I(Object-to-image)比のミスマッチである。 5つのカメラ距離でレンダリングされた3,021個のObjaverseオブジェクトの制御されたベンチマークでは、クロス距離劣化の80%以上が、12個の事前訓練されたバックボーンのうち9個の解像度ではなく、O2Iミスマッチに起因する。 厳密なクエリは、逆よりも広いギャラリーイメージに対してより確実に検索する。 この分析によって、クエリサイドのスケール拡張とOWLv2のクロップリランカは、事前計算されたギャラリーインデックスをトレーニングしたり修正したりすることなく、ILIAS 100M (29.2 mAP@1000)で最先端に達する。

関連論文リスト

• ResFormer: Scaling ViTs with Multi-Resolution Training [100.01406895070693]
  私たちはResFormerを紹介します。ResFormerは、広く、ほとんど目に見えない、テストの解像度でパフォーマンスを改善するフレームワークです。 特にResFormerは、異なる解像度の再現されたイメージを実行し、さまざまなスケールでインタラクティブな情報をエンゲージするスケール一貫性の損失を強制する。 さらに、ResFormerは柔軟性があり、セマンティックセグメンテーション、オブジェクト検出、ビデオアクション認識に容易に拡張できることを示す。
  論文  参考訳（メタデータ） (2022-12-01T18:57:20Z)
• Exploring Resolution and Degradation Clues as Self-supervised Signal for Low Quality Object Detection [77.3530907443279]
  劣化した低解像度画像中の物体を検出するための,新しい自己教師型フレームワークを提案する。 本手法は, 既存手法と比較して, 異変劣化状況に直面する場合に比べ, 優れた性能を示した。
  論文  参考訳（メタデータ） (2022-08-05T09:36:13Z)
• RestoreDet: Degradation Equivariant Representation for Object Detection in Low Resolution Images [81.91416537019835]
  劣化した低解像度画像中のオブジェクトを検出するための新しいフレームワークであるRestoreDetを提案する。 CenterNetをベースとした本フレームワークは, 既存手法と比較して, 異種劣化状況に直面する場合に比べ, 優れた性能を達成している。
  論文  参考訳（メタデータ） (2022-01-07T03:40:23Z)
• Resolution based Feature Distillation for Cross Resolution Person Re-Identification [17.86505685442293]
  人物の再識別(re-id)は、異なるカメラビューで同一人物の画像を取得することを目的としている。 解像度のミスマッチは、興味のある人とカメラの間の距離が異なるため起こる。 本稿では,複数の解像度の問題を克服するために,分解能に基づく特徴蒸留(RFD)アプローチを提案する。
  論文  参考訳（メタデータ） (2021-09-16T11:07:59Z)
• Large-Scale Unsupervised Object Discovery [80.60458324771571]
  教師なしオブジェクトディスカバリ(UOD)は、パフォーマンスを損なう近似なしでは、大規模なデータセットにスケールアップしない。 本稿では,固有値問題やリンク解析に利用できる分散手法の武器として,ランク付け問題としてのUODの新たな定式化を提案する。
  論文  参考訳（メタデータ） (2021-06-12T00:29:49Z)

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。