論文の概要: RSAJEV: Training-Free Abstaining Prototype Memory for Eliminating Silent Hallucination in JEV-Based Remote Sensing Classification

• arxiv url: http://arxiv.org/abs/2610.15742v1
• Date: Sun, 11 Oct 2026 16:27:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-19 16:58:18.300015
• Title: RSAJEV: Training-Free Abstaining Prototype Memory for Eliminating Silent Hallucination in JEV-Based Remote Sensing Classification
• Title（参考訳）: RSAJEV:JEVによるリモートセンシング分類における無訓練記憶による無害幻覚の除去
• Abstract要約: マルチモーダル大言語モデル(MLLM)を用いたリモートセンシング画像のシーン分類は,一方向通過決定問題として定式化されている。 この文字の結合はトレーニング語彙において非常に効果的であるが、語彙から不規則に振る舞う。 スロット表現を、検索ベースのプロトタイプマッチングを実行するトレーニング不要のプロトタイプメモリであるRSAJEVに置き換える。
• 参考スコア（独自算出の注目度）: 8.647373706990605
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scene classification of remote sensing imagery with multimodal large language models (MLLMs) is formulated as a single-forward-pass decision problem: candidate class names are lettered options in the prompt, a registered answer slot is conditioned on the prompt, and classification is read out by scoring letter tokens with the language-modeling head. We show that although this letter binding is highly effective within its training vocabulary (97.71% OA on UCM), it behaves erratically out of vocabulary: zero-adaptation accuracy across four cross-dataset directions fluctuates between 7.35% and 96.40%, and under out-of-vocabulary weights its confidence fails inversely on open-set evaluation, assigning higher confidence to unseen than to seen classes (AUROC 0.38), a failure we term silent hallucination. We retain the slot representation and replace the readout with RSAJEV, a training-free abstaining prototype memory that performs retrieval-based prototype matching: K reference images per class are cached as prototypes via their slot representations under the same prompt, and classification becomes nearest-neighbor retrieval over the prototypes, refined by a shrinkage-Mahalanobis geometric correction. This readout is mechanistically isomorphic to retrieval-augmented generation (RAG) but operates on discriminative decisions; it is the first retrieval-based readout for MLLM slot representations. The retrieval readout reaches 89.43% on the UCM cross-dataset gate with 16 references per class and zero gradient updates, and 96.90% on AID. Its ID-ness scores attain 0.91-0.99 AUROC on open-set evaluation over two datasets, exceeding symbolic confidence (0.38-0.96) in all four open-set settings, restoring a calibratable abstention channel and supporting class addition/removal at zero extra inference cost via offline rescoring of the cached matrix.
• Abstract（参考訳）: マルチモーダルな大言語モデル(MLLM)を用いたリモートセンシング画像のシーン分類は、単一のフォワードパス決定問題として定式化され、候補クラス名がプロンプトで文字化され、登録された応答スロットがプロンプトで条件付けられ、言語モデルヘッドで文字トークンをスコアリングして分類される。 この文字の結合はトレーニング語彙(UCMでは97.71% OA)において極めて効果的であるが,0適応精度は7.35%から96.40%の範囲で変動し,その信頼度はオープンセット評価では逆転し,見知らぬクラス(AUROC 0.38)よりも高い信頼度を割り当てる(AUROC 0.38)。 我々はスロット表現を保ち、RSAJEVに置き換える。これは、学習不要なプロトタイプメモリで、検索ベースのプロトタイプマッチングを実行する:クラス毎の参照画像は、同じプロンプトの下でスロット表現を介してプロトタイプとしてキャッシュされ、分類はプロトタイプ上で最寄りの検索となり、縮小マハラノビス幾何補正によって洗練される。 この読み出しは、機械的に検索拡張生成(RAG)に同型であるが、識別的決定で動作し、MLLMスロット表現のための最初の検索ベースの読み出しである。 検索の可読率はUCMのクロスデータセットゲートで89.43%に達し、クラスごとに16の参照があり、勾配の更新はゼロ、AIDでは96.90%である。 そのIDネススコアは、2つのデータセットに対するオープンセット評価において0.91-0.99 AUROCに達し、すべてのオープンセット設定においてシンボル信頼(0.38-0.96)を超え、校正可能な禁断チャネルを復元し、キャッシュされた行列のオフライン再描画を通じてゼロの余分な推論コストでクラスの追加/削除をサポートする。

関連論文リスト

• SAM3-LoRA: Parameter-Efficient Adaptation of a Concept-Promptable Foundation Model for Multi-Class Structural Defect Segmentation [0.0]
  本研究は,多層構造欠陥セグメンテーションにおけるローランド適応(LoRA)をSAM3に適用する。 本稿では,COCOスタイルのクラスラベルインスタンスセグメンテーションから直接,概念実証可能なモデルをトレーニングする監督手順について述べる。
  論文  参考訳（メタデータ） (2026-08-31T23:19:59Z)
• Closing the Modality Gap in Zero-Shot HAR: Contrastive Training and Separability-Optimized Prototypes on IMU Data [0.0]
  PAMAP2データセット上で,3つの推論手法と2つのトレーニングパイプラインを組み合わせた7つの構成を評価する。 モダリティギャップは,目的によって支配される訓練時間現象であることがわかった。 また、テストセットのクラス分布が不均衡である場合、全体的な精度が誤解を招く一次指標であることを実証する。
  論文  参考訳（メタデータ） (2026-06-09T12:39:41Z)
• SegRAG: Training-Free Retrieval-Augmented Semantic Segmentation [13.665861251747144]
  SegRAGは、トレーニング不要の検索拡張セグメンテーションフレームワークである。 SAM3には、DINOv3機能バンクから派生したクラス固有のポイントプロンプトがある。 4つの標準ベンチマークでは、SegRAGはテキストのみのベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-05-17T19:51:32Z)
• Learning the Signature of Memorization in Autoregressive Language Models [3.6048665052465663]
  我々は,任意のコーパス上の任意のモデルを微調整することで,ラベル付きデータを無制限に生成する,最初のトランスファー可能な学習攻撃を導入する。 これにより、シャドーモデルボトルネックが取り除かれ、深層学習時代へのメンバシップ推論がもたらされる。
  論文  参考訳（メタデータ） (2026-04-03T17:17:51Z)
• CLUE: Non-parametric Verification from Experience via Hidden-State Clustering [64.50919789875233]
  隠れアクティベーションの軌跡内の幾何的に分離可能なシグネチャとして解の正しさが符号化されていることを示す。 ClUE は LLM-as-a-judge ベースラインを一貫して上回り、候補者の再選において近代的な信頼に基づく手法に適合または超えている。
  論文  参考訳（メタデータ） (2025-10-02T02:14:33Z)
• vCache: Verified Semantic Prompt Caching [95.16654660556975]
  本稿では,ユーザ定義エラー率保証を備えた最初の検証済みセマンティックキャッシュであるvCacheを提案する。 オンライン学習アルゴリズムを使用して、キャッシュされたプロンプト毎に最適な閾値を推定し、追加のトレーニングなしで信頼性の高いキャッシュ応答を可能にする。 我々の実験によると、vCacheは特定のエラー境界を一貫して満たし、最先端の静的な閾値と微調整された埋め込みベースラインより優れています。
  論文  参考訳（メタデータ） (2025-02-06T04:16:20Z)
• Towards Realistic Zero-Shot Classification via Self Structural Semantic Alignment [53.2701026843921]
  大規模事前訓練型視覚言語モデル(VLM)はゼロショット分類に有効であることが証明されている。 本稿では,アノテーションではなく,より広い語彙を前提とした,より難易度の高いゼロショット分類(Realistic Zero-Shot Classification)を提案する。 本稿では,ラベルのないデータから構造意味情報を抽出し,同時に自己学習を行う自己構造意味アライメント(S3A)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-24T17:56:46Z)

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。