論文の概要: Self-Supervised Learning of Semantically Consistent Visual Features via a Simple 3D Prior
- arxiv url: http://arxiv.org/abs/2610.16988v1
- Date: Mon, 12 Oct 2026 15:42:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-18 03:51:13.140527
- Title: Self-Supervised Learning of Semantically Consistent Visual Features via a Simple 3D Prior
- Title（参考訳）: 簡易3次元先行学習による意味的に一貫性のある視覚特徴の自己教師付き学習
- Abstract要約: 簡単な事前情報を用いて,複雑なオブジェクトカテゴリの機能を学習するための,自己教師型アプローチを提案する。
提案手法では,グローバルデータセットレベルでのコントラスト学習と分布マッチングを利用して,カテゴリの粗い形状と外観を学習する。
結果は、いくつかの挑戦的な対象カテゴリにまたがって提示され、我々のアプローチの有効性を実証する。
- 参考スコア（独自算出の注目度）: 24.537838949231077
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Visual features extracted from vision models like DINOv2 or Stable Diffusion enable high quality semantic correspondence between images. However, such features exhibit documented limitations that hinder accurate correspondence estimation such as the inability to disambiguate the left from right for categories exhibiting symmetries or repeated parts. Previous attempts to improve these features rely on using supervised data such as annotated keypoint pairs or camera pose information, or make restrictive topological assumptions, such as modelling the object of interest as a 3D sphere. We introduce a new self-supervised approach that allows us to learn features for topologically complex object categories using a simple prior. Instead of relying on an expensive instance-level analysis by synthesis pipeline, our approach makes use of contrastive learning and distribution matching at the global dataset-level to learn the coarse shape and appearance of a category. Combined with additional geometric losses, this enables us to replicate the global and local statistics of visual features which match those that are extracted from real images. Quantitative results are presented across several challenging object categories, demonstrating the effectiveness of our approach.
- Abstract（参考訳）: DINOv2やStable Diffusionのような視覚モデルから抽出された視覚的特徴は、画像間の高品質な意味対応を可能にする。
しかし、これらの特徴は、対称性や繰り返し部分を示すカテゴリに対して、右から左を曖昧にできないなど、正確な対応推定を妨げている文書化された制限を示す。
これらの特徴を改善するための以前の試みは、注釈付きキーポイントペアやカメラポーズ情報などの教師付きデータの使用や、関心の対象を3次元球面としてモデル化するといった制限的なトポロジカルな仮定に頼っていた。
我々は、単純な事前情報を用いて、トポロジ的に複雑なオブジェクトカテゴリの機能を学ぶことができる新しい自己教師型アプローチを導入する。
合成パイプラインによる高価なインスタンスレベルの分析に頼るのではなく、グローバルデータセットレベルでの対照的な学習と分布マッチングを利用して、カテゴリの粗い形状と外観を学習する。
付加的な幾何学的損失と組み合わせることで、実画像から抽出した特徴と一致する視覚的特徴のグローバルおよびローカルな統計を再現することができる。
定量的な結果は、いくつかの挑戦対象カテゴリにまたがって提示され、我々のアプローチの有効性を実証する。
関連論文リスト
- Mind-the-Glitch: Visual Correspondence for Detecting Inconsistencies in Subject-Driven Generation [120.23172120151821]
本稿では,事前学習した拡散モデルのバックボーンから視覚的特徴と意味的特徴を分離するための新しいアプローチを提案する。
注釈付きセマンティックと視覚対応を備えた画像ペアを構築する自動パイプラインを導入する。
被験者駆動画像生成における視覚的不整合を定量化する新しい指標であるビジュアルセマンティックマッチングを提案する。
論文 参考訳（メタデータ） (2025-09-26T07:11:55Z) - Weakly-Supervised Learning of Dense Functional Correspondences [23.794395724229762]
本稿では,予測課題に取り組むための弱教師付き学習パラダイムを提案する。
このアプローチの背後にある主な洞察は、視覚言語モデルを利用して機能部品を得ることができるということです。
次に、これを画素対応から密接なコントラスト学習と統合し、機能的知識と空間的知識の両方を新しいモデルに抽出する。
論文 参考訳（メタデータ） (2025-09-04T05:39:16Z) - A Multi-Level Similarity Approach for Single-View Object Grasping: Matching, Planning, and Fine-Tuning [17.162675084829242]
一つの視点から3つの重要なステップを通して、未知の物体をしっかりと把握する手法を提案する。
本稿では, 意味的, 幾何学的, 次元的特徴を統合し, 包括的評価を行う多層類似性マッチングフレームワークを提案する。
さらに,大規模言語モデルの導入,半指向境界ボックスの導入,平面検出に基づく新たなポイントクラウド登録手法の開発などを行い,単一ビュー条件下でのマッチング精度の向上を図る。
論文 参考訳（メタデータ） (2025-07-16T06:07:57Z) - Topology-Aware Modeling for Unsupervised Simulation-to-Reality Point Cloud Recognition [63.55828203989405]
我々はオブジェクトポイントクラウド上でSim2Real UDAのための新しいTopology-Aware Modeling (TAM)フレームワークを紹介する。
提案手法は,低レベルの高周波3次元構造を特徴とするグローバル空間トポロジを利用して,領域間隙を緩和する。
本稿では,クロスドメイン・コントラスト学習と自己学習を組み合わせた高度な自己学習戦略を提案する。
論文 参考訳（メタデータ） (2025-06-26T11:53:59Z) - Do It Yourself: Learning Semantic Correspondence from Pseudo-Labels [81.22943696917304]
擬似ラベルを3次元認識することで意味的対応性の推定を改善することを提案する。
我々はSPair-71kに新たな最先端技術を導入し、同様の監督要件を持つ手法と比較して、絶対的な4%以上、7%以上を達成した。
論文 参考訳（メタデータ） (2025-06-05T17:54:33Z) - Improving Semantic Correspondence with Viewpoint-Guided Spherical Maps [39.00415825387414]
そこで本研究では, 識別的特徴を3次元的理解で補う意味対応推定手法を提案する。
より複雑な3Dパイプラインと比較して、我々のモデルは弱い視点情報しか必要とせず、球面表現の単純さにより、トレーニング中に情報的幾何学的先行情報をモデルに注入することができる。
本研究では,SPair-71kデータセットを用いて,複数のオブジェクトカテゴリにまたがる対称なビューと繰り返し部分の区別が可能であることを実証した。
論文 参考訳（メタデータ） (2023-12-20T17:35:24Z) - Fusing Local Similarities for Retrieval-based 3D Orientation Estimation
of Unseen Objects [70.49392581592089]
我々は,モノクロ画像から未確認物体の3次元配向を推定する作業に取り組む。
我々は検索ベースの戦略に従い、ネットワークがオブジェクト固有の特徴を学習するのを防ぐ。
また,LineMOD,LineMOD-Occluded,T-LESSのデータセットを用いた実験により,本手法が従来の手法よりもはるかに優れた一般化をもたらすことが示された。
論文 参考訳（メタデータ） (2022-03-16T08:53:00Z) - Sim2Real Object-Centric Keypoint Detection and Description [40.58367357980036]
キーポイントの検出と記述はコンピュータビジョンにおいて中心的な役割を果たす。
対象中心の定式化を提案し、各関心点が属する対象をさらに特定する必要がある。
我々はシミュレーションで訓練されたモデルを現実のアプリケーションに一般化できるsim2realコントラスト学習機構を開発した。
論文 参考訳（メタデータ） (2022-02-01T15:00:20Z) - Salient Objects in Clutter [130.63976772770368]
本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。
この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。
我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
論文 参考訳（メタデータ） (2021-05-07T03:49:26Z) - Learning What Makes a Difference from Counterfactual Examples and
Gradient Supervision [57.14468881854616]
ニューラルネットワークの一般化能力を改善するための補助的学習目標を提案する。
我々は、異なるラベルを持つ最小差の例のペア、すなわち反ファクトまたはコントラストの例を使用し、タスクの根底にある因果構造を示す信号を与える。
このテクニックで訓練されたモデルは、配布外テストセットのパフォーマンスを向上させる。
論文 参考訳（メタデータ） (2020-04-20T02:47:49Z)
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。