論文の概要: Fix the Match, Not the Solver: STITCH -- a Self-Supervised Compatibility Measure for Eroded Visual Puzzles
- arxiv url: http://arxiv.org/abs/2610.13176v1
- Date: Fri, 09 Oct 2026 08:03:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.464001
- Title: Fix the Match, Not the Solver: STITCH -- a Self-Supervised Compatibility Measure for Eroded Visual Puzzles
- Title（参考訳）: STITCH - エロッドされたビジュアルプッズのための自己監督型互換性尺度
- Abstract要約: 現実世界のパズルのフラグメントは境界領域を侵食し、古典的な互換性対策が依存する信号を破壊する。
最初に、オラクルの実験を通じて、問題解決者ではなくCMがパフォーマンスボトルネックであることを再確立しました。
このことがSTITCHを動機付けている。STITCHは、内部の凍ったViTパッチトークンを比較することで、欠落の境界を横取りする自己教師型CMである。
- 参考スコア（独自算出の注目度）: 2.238057335231796
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Unlike the clean and pixel-aligned complete pieces of standard jigsaw benchmarks, real-world puzzle fragments lose their boundary regions to erosion, destroying the signal that classical compatibility measures (CMs) rely on. We first re-establish, via oracle experiments, that the CM, not the solver, is the performance bottleneck: with a perfect CM, even a simple greedy solver achieves perfect reconstruction. This motivates STITCH, a self-supervised CM that sidesteps missing boundaries by comparing frozen ViT patch tokens from piece interiors via a lightweight cross-attention head (~249K trainable parameters), trained without manual annotation. Plugged into unchanged compatibility-based solvers, STITCH reaches .992/.954 Abs/Perf on JPwLEG-5 (+.629 Perf over the best prior method), nearly saturating the benchmark. On a new ImageNet 7x7 benchmark, it outperforms all alternatives, including inpaint-then-match pipelines built on modern generative models. Importantly, performance remains robust across erosion levels and generalizes to puzzles with over 40% missing pieces without retraining. Trained on the recent GAP datasets of irregular, heavily eroded fragments, the same CM recipe enables compatibility-based solvers to surpass recent learning-based solvers on GAP-3 and GAP-5. Since this leap in performance is achieved by a pluggable CM module, the takeaway is clear: fix the match, not the solver.
- Abstract（参考訳）: 標準的なジグソーベンチマークのクリーンでピクセル対応の完全な部分とは異なり、現実世界のパズルのフラグメントは境界領域を侵食し、古典的な互換性対策(CM)が依存する信号を破壊する。
我々はまず,神託実験を通じて,解法ではなくCMがパフォーマンスボトルネックであることを示す。
これは、手動のアノテーションなしで訓練された軽量なクロスアテンションヘッド(約249Kのトレーニング可能なパラメータ)を介して、ピースインテリアから凍結したViTパッチトークンを比較することで、バウンダリをサイドステップする自己教師型CMであるSTITCHを動機付けている。
STITCHは互換性のない解決器にプラグインされ、.992/.954に到達した。
Abs/Perf on JPwLEG-5 (+.629)
ベンチマークはほぼ飽和している。
新しいImageNet 7x7ベンチマークでは、モダンな生成モデル上に構築されたインペイント・Then-Matchパイプラインなど、すべての代替品を上回っている。
重要なことは、パフォーマンスは浸食レベルを越えて堅牢であり、リトレーニングなしで40%以上の欠落点を持つパズルに一般化されている。
最近のGAPデータセットでトレーニングされた、不規則で重く浸食されたフラグメントの同じCMレシピは、互換性ベースの解決者がGAP-3とGAP-5の最近の学習ベースの解決者を上回ることができる。
この性能の飛躍は、プラグ可能なCMモジュールによって達成されるので、解法ではなく、一致を修正できる。
関連論文リスト
- On the Design of Qwen3.8-Next Architecture: Evaluation, Efficiency, and Training Stability [57.03393882933515]
Qwen3.8-Flash-Nextは125Bパラメータ、トークンあたり6Bアクティベートされ、加速器から保持されるn-gram埋め込みテーブルの51Bパラメータを持つスパースミックス・オブ・エキスパートモデルである。
トレーニング前の14のベンチマークでは、このモデルは前モデルの397B-A17Bを8点、残りを少なくとも2.6ポイント、アクティベートされたパラメータが1/3、トレーニングトークンが1/3、トレーニング用FLOPが1/9であった。
論文 参考訳（メタデータ） (2026-08-31T06:35:07Z) - GramLoop: Training-Free Gram-Gated Replay for Robust Dense Prediction [13.43479682921888]
GramLoopはトレーニング不要のフレームワークで、短いトランスフォーマーウィンドウをリプレイし、最終層コサインとGramの一貫性によって各リプレイを制御する。
これは、ペア化されたDINOv3ベースラインで5つのシフトベンチマークをすべて改善する。
論文 参考訳（メタデータ） (2026-08-29T07:52:43Z) - LUMA: Benchmarking Segmentation via a Lightweight Universal Mask Adapter [9.125627586120421]
バックボーンをブラックボックスの特徴抽出器として扱う軽量なバックボーン非依存型マスクトランスフォーマーヘッドを提案する。
20のバックボーン、11のプレトレーニングスキーム、ADE20KとCityscapesのさまざまな解像度を、現代的なレシピでベンチマークします。
効率的な'トークンミキサーは、それらを動機づける高解像度でも効率が得られません。
論文 参考訳（メタデータ） (2026-07-01T09:35:24Z) - REVES: REvision and VErification--Augmented Training for Test-Time Scaling [53.197756110943395]
本稿では,オンラインデータ/プロンプト拡張とポリシー最適化を交互に行う2段階反復フレームワークを提案する。
我々は、RLベースライン上の+6.5点と、標準マルチターントレーニングにおける+4.0点の利得を観察する。
論文 参考訳（メタデータ） (2026-06-17T10:37:23Z) - Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。
Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。
SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
論文 参考訳（メタデータ） (2025-09-25T14:05:55Z) - GMatch: A Lightweight, Geometry-Constrained Keypoint Matcher for Zero-Shot 6DoF Pose Estimation in Robotic Grasp Tasks [9.107487205419604]
6DoFオブジェクトのポーズ推定はロボットグリップタスクの基本となる。
GMatchは軽量で、幾何学的に制約されたキーポイントマーカで、組み込みCPUのみのプラットフォーム上で効率的に動作する。
論文 参考訳（メタデータ） (2025-05-22T02:39:52Z) - A Generic Hybrid Framework for 2D Visual Reconstruction [39.58317527488534]
本稿では,2次元実世界の再現タスクを,正方形の非重複部分を持つジグソーパズル問題 (JPP) として定式化するための多目的ハイブリッドフレームワークを提案する。
提案手法は,一対のパズル片を論理的に評価する深層学習(DL)ベースの互換性尺度(CM)モデルを統合する。
我々の独自のハイブリッド手法は、ポルトガルのタイルパネルと大きな劣化パズルを浸食境界で再構築することで、最先端のSOTA(State-of-the-art)を実現する。
論文 参考訳（メタデータ） (2025-01-31T17:21:29Z) - Detection Transformer with Stable Matching [48.963171068785435]
もっとも重要な設計は, 肯定的な事例の分類スコアを監督するために, 位置測定値のみを使用することである。
本原理では,DTRの分類損失とマッチングコストに位置測定値を統合することで,簡易かつ効果的な2つの修正を提案する。
12エポックおよび24エポックのトレーニング設定の下でResNet-50バックボーンを用いてCOCO検出ベンチマークで50.4および51.5APを達成する。
論文 参考訳（メタデータ） (2023-04-10T17:55:37Z) - Learning to Estimate Hidden Motions with Global Motion Aggregation [71.12650817490318]
閉塞は、局所的な証拠に依存する光学フローアルゴリズムに重大な課題をもたらす。
最初の画像でピクセル間の長距離依存性を見つけるために,グローバルモーションアグリゲーションモジュールを導入する。
遮蔽領域における光流量推定が非遮蔽領域における性能を損なうことなく大幅に改善できることを実証した。
論文 参考訳（メタデータ） (2021-04-06T10:32:03Z) - Image Matching across Wide Baselines: From Paper to Practice [80.9424750998559]
局所的な特徴とロバストな推定アルゴリズムの包括的なベンチマークを導入する。
パイプラインのモジュール構造は、さまざまなメソッドの容易な統合、構成、組み合わせを可能にします。
適切な設定で、古典的な解決策は依然として芸術の知覚された状態を上回る可能性があることを示す。
論文 参考訳（メタデータ） (2020-03-03T15:20:57Z)
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。