Fugu-MT 論文翻訳(概要): GeoBridge: Evolving Transferable Decoder Topologies for Geometric Vision

論文の概要: GeoBridge: Evolving Transferable Decoder Topologies for Geometric Vision

arxiv url: http://arxiv.org/abs/2610.15280v2
Date: Sun, 18 Oct 2026 10:34:51 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-21 06:32:45.266582
Title: GeoBridge: Evolving Transferable Decoder Topologies for Geometric Vision
Title（参考訳）: GeoBridge: 幾何学的ビジョンのための転送可能なデコーダトポロジを進化させる
Abstract要約: GeoBridgeは転送可能なデコーダトポロジの進化的フレームワークである。 1つのソースサーチは、約12GPU時間を要する。 GeoBridgeNet-A3は、4つの適応されたデコーダベースラインの中で最高の深さ精度を達成する。
参考スコア（独自算出の注目度）: 18.994299425143755
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Depth estimation and Gaussian reconstruction share a need for multi-scale feature processing, yet use different prediction interfaces and training objectives. Whether a decoder's internal computation can be optimized once and reused across these systems remains a structural design question. Search over primitive configurations alone leaves the organization of transformations fixed. To address this gap, we propose GeoBridge, an evolutionary framework for transferable decoder topologies. First, GeoBridge makes stage-internal topology searchable through residual, sequential, and parallel composition of configurable primitives. Shape-preserving composition retains the stage interfaces of a fixed multi-scale scaffold. Second, a functional-tree encoding supports stage-aware crossover and hierarchical mutation, while a gradient sensitivity-alignment proxy evaluates candidates without training. Multi-objective evolution balances this proxy with computation and parameter cost. Third, selected topologies are instantiated and trained in target systems with task-specific prediction interfaces. A single source search takes approximately 12 GPU hours. GeoBridgeNet-A3 achieves the best depth accuracy among four adapted decoder baselines under a common encoder and training protocol on NYU Depth V2 and KITTI. The same topology reaches 27.11 dB PSNR in Gaussian novel-view synthesis on RealEstate10K, and its refined representations support open-vocabulary segmentation on LERF. These results support decoder topology as a reusable design object across the evaluated geometric vision systems. Code and pretrained weights are available at https://github.com/EMI-Group/GeoBridge-NAS.
Abstract（参考訳）: 深さ推定とガウス再構成は、マルチスケールの特徴処理の必要性を共有するが、異なる予測インターフェースとトレーニング目標を使用する。デコーダの内部計算が一度最適化され、これらのシステムで再利用できるかどうかは、構造設計の問題として残る。プリミティブな設定を検索するだけで、トランスフォーメーションの組織が固定される。このギャップに対処するために、転送可能なデコーダトポロジの進化的フレームワークであるGeoBridgeを提案する。まずGeoBridgeは、構成可能なプリミティブの残余、シーケンシャル、および並列な構成を通じて、ステージ内トポロジーを検索可能にする。形状保存組成物は固定された多スケール足場のステージ界面を保持する。第二に、機能木エンコーディングはステージ認識のクロスオーバーと階層的突然変異をサポートし、勾配感度調整プロキシはトレーニングなしで候補を評価する。マルチオブジェクト進化は、このプロキシと計算とパラメータコストのバランスをとる。第三に、選択したトポロジは、タスク固有の予測インターフェイスを持つターゲットシステムでインスタンス化され、訓練される。 1つのソースサーチは、約12GPU時間を要する。 GeoBridgeNet-A3は、NYU Depth V2およびKITTI上の共通エンコーダおよびトレーニングプロトコルの下で、適応された4つのデコーダベースラインの中で最高の深さ精度を達成する。同じトポロジーは、RealEstate10K上のガウスのノベルビュー合成において27.11dB PSNRに達し、その洗練された表現はLERF上のオープンボキャブラリセグメンテーションをサポートする。これらの結果は,デコーダトポロジを幾何的視覚システム全体にわたって再利用可能な設計対象としてサポートしている。コードとトレーニング済みのウェイトはhttps://github.com/EMI-Group/GeoBridge-NAS.orgで公開されている。

関連論文リスト

One Block, Multiple Depths: Recurrent Vision Transformers with Depth-Programmed Experts [52.62368406036621]
reViTは、FFNを各繰り返し深さで、小さな共有専門家バンクの凸結合として表現することで、深さ固有の変換を復元する。 reViT-B/16では,約70%の保存パラメータでDeiT IIIの精度が得られた。
論文参考訳（メタデータ） (2026-10-08T17:58:36Z)
Evolutionary Algorithm for Reservoir Learning and Yielding [2.3946890980915163]
EARLY (Evolutionary Algorithm for Reservoir Learning and Yielding) は、Echo State Networks (ESN) のアーキテクチャを進化させるためのフレームワークである。脳のモジュラー構造にインスパイアされたEARLYは、アーキテクチャをグラフベースのゲノムとしてエンコードし、クロスオーバー、突然変異、選択を適用して効果的な構成を発見する。その結果、進化したアーキテクチャは、複数のタスクをランダムに探索し、タスクの難易度に応じて構造的な違いを示す。これらの結果から, 進化的探索は, 広範囲の時間的問題に対して, 再利用可能な貯水池構造を同定するのに有効であることが示唆された。
論文参考訳（メタデータ） (2026-05-19T11:22:21Z)
Efficient Hybrid CNN-GNN Architecture for Monocular Depth Estimation [0.0]
畳み込みエンコーダ・デコーダフレームワークにグラフニューラルネットワーク(GNN)を統合する単眼深度推定アーキテクチャであるGraphDepthを提案する。我々のアプローチは、効率的なGraphSAGEレイヤをResNet-101 U-Netバックボーンの複数スケールに埋め込む。 NYU Depth V2、WHU Aerial、ETH3D、Mid-Airベンチマークの実験では、最先端のトランスフォーマーの4.6%で競合精度が示されている。
論文参考訳（メタデータ） (2026-05-11T09:21:04Z)
Bifocal Attention: Harmonizing Geometric and Spectral Positional Embeddings for Algorithmic Generalization [0.0]
位置エンコーディングを2つの異なるモダリティに分離するアーキテクチャパラダイムであるBifocal Attentionを紹介する。本稿では,静的な幾何学的パラメータとして位置周波数を初期化する新しいトレーニングプロトコルであるスペクトル進化法を提案する。
論文参考訳（メタデータ） (2026-01-29T23:16:31Z)
SeqPE: Transformer with Sequential Position Encoding [76.22159277300891]
SeqPEは、各$n$次元位置指数をシンボルシーケンスとして表現し、軽量なシーケンシャル位置エンコーダを用いて埋め込みを学習する。言語モデリング、長文質問応答、および2次元画像分類による実験により、SeqPEはパープレキシティ、正確なマッチング(EM)、精度の強いベースラインを超えるだけでなく、手作業によるアーキテクチャ再設計を必要とせず、多次元入力へのシームレスな一般化を可能にする。
論文参考訳（メタデータ） (2025-06-16T09:16:40Z)
Vector Representations of Vessel Trees [12.391128284848135]
本稿では,3次元血管ネットワークに着目した木構造幾何データのベクトル表現を学習するための新しいフレームワークを提案する。我々のフレームワークであるVeTTAは、医用画像における解剖学的構造を正確に、柔軟で、位相的に一貫したモデリングを提供する。
論文参考訳（メタデータ） (2025-06-11T20:34:08Z)
Scalable Graph Compressed Convolutions [68.85227170390864]
ユークリッド畳み込みのための入力グラフのキャリブレーションに置換を適用する微分可能手法を提案する。グラフキャリブレーションに基づいて,階層型グラフ表現学習のための圧縮畳み込みネットワーク(CoCN)を提案する。
論文参考訳（メタデータ） (2024-07-26T03:14:13Z)
BTranspose: Bottleneck Transformers for Human Pose Estimation with Self-Supervised Pre-Training [0.304585143845864]
本稿では,CNNとマルチヘッド自己注意層(MHSA)を効果的に組み合わせたBottleneck Transformersを提案する。我々は,異なるバックボーンアーキテクチャを考察し,DINO自己教師型学習手法を用いて事前学習を行う。実験により,本モデルが [1] などの他の手法と競合する 76.4 のAPを達成でき,ネットワークパラメータも少ないことがわかった。
論文参考訳（メタデータ） (2022-04-21T15:45:05Z)
AutoPose: Searching Multi-Scale Branch Aggregation for Pose Estimation [96.29533512606078]
本稿では,新しいニューラルアーキテクチャサーチ(NAS)フレームワークであるAutoPoseを紹介する。高精度で高解像度な2次元ポーズ推定に向けて、クロススケール接続の複数の並列ブランチを自動的に検出することができる。
論文参考訳（メタデータ） (2020-08-16T22:27:43Z)

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。