論文の概要: Towards Complementary Keypoint Detection via Mixture of Detectors

• arxiv url: http://arxiv.org/abs/2610.16762v1
• Date: Mon, 12 Oct 2026 13:23:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-18 21:37:48.812491
• Title: Towards Complementary Keypoint Detection via Mixture of Detectors
• Title（参考訳）: 検出器の混合による補足的キーポイント検出に向けて
• Abstract要約: キーポイント検出は幾何学的ビジョンパイプラインにおいて中心的な役割を果たす。 密マッチングパイプラインのためのtextbfMixture of Detector (MoD) を提案する。
• 参考スコア（独自算出の注目度）: 36.41924153913557
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Keypoint detection plays a central role in geometric vision pipelines. Existing detectors exhibit complementary strengths across different scene structures and keypoint budgets, and reliance on a single detector often results in suboptimal keypoint distributions. Motivated by this observation, we propose \textbf{Mixture of Detectors (MoD)} for dense matching pipelines, a unified framework for complementary keypoint detection through the adaptive composition of heterogeneous detectors. MoD first distills heterogeneous detectors into a unified model, allowing diverse detection maps to be predicted efficiently within a single forward pass. Detector selection is subsequently formulated as a patch-wise, budget-conditioned decision process, in which a lightweight router assigns the most suitable detector to each local region. To avoid heuristic supervision, the router is trained with task-driven rewards derived from downstream matching quality, jointly capturing both keypoint quantity and precision. Extensive experiments on MegaDepth, ScanNet, and HPatches demonstrate that MoD consistently outperforms strong baselines across a wide range of keypoint budgets, demonstrating its effectiveness in improving keypoint distribution and downstream geometric performance.
• Abstract（参考訳）: キーポイント検出は幾何学的ビジョンパイプラインにおいて中心的な役割を果たす。 既存の検出器は異なるシーン構造とキーポイントの予算に相補的な強度を示しており、単一の検出器への依存は、しばしば最適以下のキーポイント分布をもたらす。 この観測により,不均質検出器の適応合成による相補的キーポイント検出のための統合フレームワークである高密度マッチングパイプラインのための‘textbf{Mixture of Detector(MoD)’を提案する。 MoDはまず異種検出器を統一されたモデルに蒸留し、多様な検出マップを単一の前方通過内で効率的に予測することができる。 その後、検出器選択はパッチワイドで予算条件の決定プロセスとして定式化され、軽量ルータが各局所領域に最も適した検出器を割り当てる。 ヒューリスティックな監視を避けるため、ルータは下流のマッチング品質から引き起こされたタスク駆動の報酬を訓練し、キーポイント量と精度を両立させる。 MegaDepth、ScanNet、HPatchesの大規模な実験により、MoDはキーポイントの幅広い予算において一貫して強力なベースラインを上回り、キーポイントの分布と下流の幾何学的性能を改善する効果を示す。

関連論文リスト

• Detection of Adversarial Attacks on Super-Resolvers Using Spectral Features [0.8921166277011348]
  超解像のような画像前処理パイプラインへのディープラーニングモデルの統合は、敵に対するほとんど探索されていない攻撃ベクトルを導入している。 超解像モデル重みに埋め込まれた敵攻撃を特定するためのスペクトルベース検出法を提案する。
  論文  参考訳（メタデータ） (2026-09-28T12:22:08Z)
• From Decoupled to Coupled: Robustness Verification for Learning-based Keypoint Detection with Joint Specifications [11.371752627865929]
  キーポイント検出は、ポーズ推定、視点回復、3D再構成など、多くの視覚タスクの基盤となる。 その重要性にもかかわらず、キーポイント検出器の形式的ロバスト性検証は、高次元入力と連続座標出力のためにほとんど探索されていない。 熱マップに基づくキーポイント検出のための最初の結合ロバスト性検証フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-05T19:01:53Z)
• Purifying, Labeling, and Utilizing: A High-Quality Pipeline for Small Object Detection [83.90563802153707]
  PLUSNetは高品質のSmallオブジェクト検出フレームワークである。 上流の特徴を浄化するための階層的特徴(HFP)フレームワーク、中流トレーニングサンプルの品質を改善するための多重基準ラベル割り当て(MCLA)、下流タスクを達成するためにより効果的に情報を活用するための周波数分離ヘッド(FDHead)の3つのコンポーネントで構成されている。
  論文  参考訳（メタデータ） (2025-04-29T10:11:03Z)
• Fuzzy Granule Density-Based Outlier Detection with Multi-Scale Granular Balls [65.44462297594308]
  外乱検出は、正常なデータの分布から大きく逸脱する異常なサンプルの同定を指す。 ほとんどの教師なしの外れ値検出方法は、指定された外れ値を検出するために慎重に設計されている。 ファジィ粗集合に基づくマルチスケールアウトレイラ検出手法を提案し,様々な種類のアウトレイラを同定する。
  論文  参考訳（メタデータ） (2025-01-06T12:35:51Z)
• Optimizing Multispectral Object Detection: A Bag of Tricks and Comprehensive Benchmarks [49.84182981950623]
  RGBおよびTIR(熱赤外)変調を利用したマルチスペクトル物体検出は,課題として広く認識されている。 モダリティと堅牢な融合戦略の両方から特徴を効果的に抽出するだけでなく、スペクトルの相違といった問題に対処する能力も必要である。 本稿では,高パフォーマンス単一モードモデルのシームレスな最適化が可能な,効率的かつ容易にデプロイ可能なマルチスペクトルオブジェクト検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-27T12:18:39Z)
• Refined Infrared Small Target Detection Scheme with Single-Point Supervision [2.661766509317245]
  単一点監視を用いた革新的赤外線小目標検出手法を提案する。 提案手法は最先端(SOTA)性能を実現する。 特に、提案手法は「ICPR 2024 Resource-Limited Infrared Small Target Detection Challenge Track 1: Weakly Supervised Infrared Small Target Detection」で3位を獲得した。
  論文  参考訳（メタデータ） (2024-08-05T18:49:58Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• Rethinking the Detection Head Configuration for Traffic Object Detection [11.526701794026641]
  本稿では,検出ヘッドとオブジェクト分布のマッチングに基づいて,軽量なトラフィックオブジェクト検出ネットワークを提案する。 提案したモデルでは,BDD100Kデータセットと提案したETFOD-v2データセットの他のモデルよりも,より競争力のあるパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2022-10-08T02:23:57Z)
• AFD-Net: Adaptive Fully-Dual Network for Few-Shot Object Detection [8.39479809973967]
  Few-shot Object Detection (FSOD) は、未確認の物体に迅速に適応できる検出器の学習を目的としている。 既存の方法では、共有コンポーネントを用いて分類と局所化のサブタスクを実行することで、この問題を解決している。 本稿では,2つのサブタスクの明示的な分解を考慮し,両者の情報を活用して特徴表現の強化を図ることを提案する。
  論文  参考訳（メタデータ） (2020-11-30T10:21:32Z)
• Scope Head for Accurate Localization in Object Detection [135.9979405835606]
  本研究では,各位置のアンカーを相互依存関係としてモデル化したScopeNetと呼ばれる新しい検出器を提案する。 我々の簡潔で効果的な設計により、提案したScopeNetはCOCOの最先端の成果を達成する。
  論文  参考訳（メタデータ） (2020-05-11T04:00:09Z)

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。