論文の概要: Knowing Whether, Not Just Where: Anchor-Probing Distillation for Open-Set Remote Sensing Visual Grounding

• arxiv url: http://arxiv.org/abs/2610.13535v1
• Date: Fri, 09 Oct 2026 12:55:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.584875
• Title: Knowing Whether, Not Just Where: Anchor-Probing Distillation for Open-Set Remote Sensing Visual Grounding
• Title（参考訳）: Anchor-Probing Distillation for Open-Set Remote Sensing Visual Grounding
• Abstract要約: リモートセンシングにおけるオープンセットの視覚的接地は、クエリ対象の位置だけでなく、画像がクエリの十分な証拠を提供するかどうかを判断するモデルを必要とする。 AnchorProbe-Distill(APD)は、オープンセットのグラウンドをVisual Support Learningとして再放送する教師向けフレームワークである。
• 参考スコア（独自算出の注目度）: 23.692040850370574
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Open-set visual grounding in remote sensing requires models to determine not only where a queried object is located, but also whether the image provides sufficient evidence for the query at all. Existing closed-set grounding models, however, tend to return plausible boxes even for absent objects, blurring localization confidence with genuine Visual Support. We introduce AnchorProbe-Distill (APD), a teacher-student framework that recasts open-set grounding as Visual Support learning. APD builds on the insight that supported queries should induce coherent spatial anchors, whereas unsupported or mismatched queries tend to produce unstable or misleading localization patterns. APD-T therefore uses the Original Query as a Reference Anchor to interpret query perturbations: Semantic-Preserving Queries retain the annotated target, Near-Category Ambiguous Queries are resolved according to whether they form a reliable alternative anchor or collapse onto the Reference Anchor, and Far-Category Counterfactual Queries provide rejection supervision. This reference-aware reasoning is distilled into APD-S, enabling unified localization and rejection from a single image--query pair. Experiments show that APD enables the resulting model to reject absent targets while also improving its localization of present targets.
• Abstract（参考訳）: リモートセンシングにおけるオープンセットの視覚的接地は、クエリ対象の位置だけでなく、画像がクエリの十分な証拠を提供するかどうかを判断するモデルを必要とする。 しかし、既存のクローズドセットのグラウンドモデルでは、欠落したオブジェクトであってもプラウシブルなボックスを返す傾向があり、真のビジュアルサポートでローカライゼーションの信頼性を曖昧にする。 AnchorProbe-Distill(APD)は、オープンセットのグラウンドをVisual Support Learningとして再放送する教師向けフレームワークである。 APDは、サポートするクエリはコヒーレントな空間アンカーを誘導するべきだという洞察に基づいて構築される。 APD-T は参照アンカーとして Original Query を使用し、クエリの摂動を解釈する: Semantic-Preserving Queries はアノテーション付きターゲットを保持し、Near-Category Ambiguous Queries は、信頼できる代替アンカーを形成するか、あるいは Reference Anchor にフォールドするかに応じて解決され、Far-Category Counterfactual Queries は拒否の監視を提供する。 この基準認識推論はAPD-Sに蒸留され、単一の画像-クエリ対からの統一的なローカライゼーションと拒絶を可能にする。 実験により、APDは、現在のターゲットのローカライゼーションを改善しながら、結果のモデルが欠落したターゲットを拒否できることを示した。

関連論文リスト

• Consensus-Aware Multi-Source Fusion for Reference-Guided Camouflaged Object Detection [5.724220983287562]
  カモフラージュオブジェクト検出のためのコンセンサス対応多ソース融合フレームワークを提案する。 このフレームワークは、相互参照コンセンサスアグリゲーションを通じて複数の参照を集約し、クエリ機能にマッチしたセマンティックディープで参照情報を注入する。
  論文  参考訳（メタデータ） (2026-09-30T01:31:22Z)
• GLaQ: Grounding Latent Queries in Visual Evidence for Multimodal Reasoning [27.232897918541067]
  連鎖推論は多モーダルな大言語モデルの問題解決能力を大幅に改善した。 しかし、微細な視覚的証拠は、テキストベースの推論ステップをまたいだ保存と再利用が難しいままである。 GLaQは、逐次ラテントロールアウトをコンテキスト条件付きクエリの固定セットに置き換える、接地型ラテントクエリフレームワークである。
  論文  参考訳（メタデータ） (2026-08-16T04:01:08Z)
• SEER: A Self-Grounded Evidence Interface for Controlled Spatial Relation Classification [71.9783246097687]
  SEERは、ペアローカライゼーション中の候補関係を隠蔽し、明示的な主観的/対象的役割を持つクエリ固有ビューを構築し、補完的な証拠として完全なイメージとスパースボックス幾何学を保持する。 正確な逆サポートを持つ関係選択プロトコルでは、オプションリファインメントがエンティティロールを交換し、正確に1つの視覚状態が対応する逆関係に従う場合にのみ前方決定を変更する。 変更されていないプロトコルは、3つのモデルにまたがる2,434個のフィルター付きEmbSpatialペア関係質問に対して +4.35 から +11.79 を得る。
  論文  参考訳（メタデータ） (2026-08-04T13:16:15Z)
• MMAgent-R$^2$: Learning to Rerank and Reject for Agentic mRAG [50.46218163777298]
  知識に基づくビジュアル質問回答 (KB-VQA) では、大規模百科事典の知識ベースからクエリ画像と一致する視覚エンティティを検索し、関連する質問に答える必要がある。 MMAgent-R$2$は、視覚的リランク化と能動的拒絶を内部検証機構として統合したエージェントmRAGフレームワークである。
  論文  参考訳（メタデータ） (2026-07-08T13:15:39Z)
• HKVLM: Faithful Query--Region Binding for Frozen-Detector Visual Grounding [1.4061915592167218]
  HKVLMは、参照クエリの埋め込みを共有空間内の検出提案にマッピングする軽量なフックを学習する。 HKVLMは、トレーニングされていない、トレーニング済みのマッチング-パーセプション結合制御よりも改善されていることを示す。 我々はHKVLMを,凍結した知覚下でのクエリ領域結合の診断およびメカニズムレベルの研究として紹介する。
  論文  参考訳（メタデータ） (2026-06-27T11:10:33Z)
• Rethinking Embodied Navigation via Relational Inductive Bias [53.72276435022479]
  本稿では,DB-Navを提案する。 標的中心の関係を活性化バイアスと抑制バイアスに分類する。 成功率(SR)と成功率(SPL)はパス長さ(SPL)が重み付けされているため、既存の方法よりも著しく優れています。
  論文  参考訳（メタデータ） (2026-06-09T02:57:34Z)
• Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
  Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。 RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。 批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。 AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
  論文  参考訳（メタデータ） (2025-04-21T04:56:47Z)
• Suspected Object Matters: Rethinking Model's Prediction for One-stage Visual Grounding [93.82542533426766]
  疑似オブジェクト間の対象オブジェクト選択を促進するため,疑似オブジェクト変換機構(SOT)を提案する。 SOTは既存のCNNとTransformerベースのワンステージ視覚グラウンドにシームレスに統合できる。 実験の結果,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-03-10T06:41:07Z)

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。