論文の概要: PanoDent-KD: From Generalist Knowledge Distillation to Cross-Dataset Specialist Detection and Embedded Deployment in Panoramic Radiographs

• arxiv url: http://arxiv.org/abs/2610.25256v1
• Date: Sun, 18 Oct 2026 13:19:30 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:22:37.853548
• Title: PanoDent-KD: From Generalist Knowledge Distillation to Cross-Dataset Specialist Detection and Embedded Deployment in Panoramic Radiographs
• Title（参考訳）: PanoDent-KD:パノラマX線写真における一般知識蒸留からクロスデータセット・スペシャリスト検出・埋め込み展開へ
• Abstract要約: PanoDent-KDは監査可能な1280ピクセルのYOLO26mパイプラインで、12クラスのソース、機能レベルの知識蒸留(KD)、正確な分類器-ロー転送、教師なしの5クラスの特殊化、組み込みデプロイメントをリンクしている。 一般的なトレーニングと評価パイプラインは、3つのシードで3つのソーストレーニングアームを比較します。 そのJetson Orin Nano Super FP16RTエンジンは77.03msの中央値と80.86msのP95予測コールレイテンシ、12.90イメージ/秒のスループット、総総モジュールエネルギー1.39J/imageを達成した。
• 参考スコア（独自算出の注目度）: 0.26709266817192023
• License:
• Abstract: Reliable panoramic-radiograph detection requires consistency across datasets with different class definitions and deployment software. We present PanoDent-KD, an auditable 1280-pixel YOLO26m pipeline linking a 12-class source generalist, feature-level knowledge distillation (KD), exact classifier-row transfer, teacher-free five-class specialization, and embedded deployment. A common training and evaluation pipeline compares three source-training arms across three seeds: a supervised baseline (B1), single-teacher KD (STKD), and multi-teacher KD (MTKD). Five shared classifier rows initialize nine OralXrays-9 specialists, while the backbone, FPN-PAN neck, and dual-detection-head topology are retained unchanged. On the 2,686-image test subset, all three arms achieve macro box F1 near 0.82. B1 achieves the highest three-seed arm-level mean macro box F1 (0.8239$\pm$0.0027) and $mAP_{50:95}$ (0.6130$\pm$0.0067). STKD seed 1, selected after development but before final testing, was used for deployment. Its Jetson Orin Nano Super FP16 TensorRT engine achieves 77.03-ms median and 80.86-ms P95 prediction-call latency, throughput of 12.90 images/s, and gross total-module energy of 1.39 J/image, with high numerical agreement between within-device PyTorch and TensorRT FP16 inference. These findings demonstrate the feasibility of an auditable, device-specific deployment workflow, but do not establish clinical validity or improved target-domain accuracy from KD.
• Abstract（参考訳）: 信頼性の高いパノラマ・ラジオグラフィー検出には、異なるクラス定義とデプロイメントソフトウェアを持つデータセット間の一貫性が必要である。 12クラスのソースジェネリスト,特徴レベルの知識蒸留(KD),正確な分類器-ロー転送,教師なしの5クラスの特殊化,組込み配置を結合した,監査可能な1280ピクセルのYOLO26mパイプラインであるPanoDent-KDを提案する。 一般的なトレーニングおよび評価パイプラインは、教師付きベースライン(B1)、シングルティーチンガーKD(STKD)、マルチティーチンガーKD(MTKD)の3つのシードでソーストレーニングアームを比較する。 5つの共有分類器列は9人のOralXrays-9スペシャリストを初期化するが、背骨、FPN-PANネック、二重検出ヘッドトポロジーは変化しない。 2,686イメージのテストサブセットでは、3つのアームが0.82の近くでマクロボックスF1を達成する。 B1 は最高 3 列のアームレベル平均マクロボックス F1 (0.8239$\pm$0.0027) と $mAP_{50:95}$ (0.6130$\pm$0.0067) を達成する。 STKDシード1は開発後に選ばれたが最終テストの前に配備に使用された。 そのJetson Orin Nano Super FP16 TensorRTエンジンは77.03msの中央値と80.86msのP95予測コールレイテンシ、12.90イメージ/秒のスループット、総総モジュールエネルギー1.39J/imageを実現している。 これらの結果から, 検査可能なデバイス固有のデプロイメントワークフローの実現可能性を示したが, KDによる臨床的妥当性の確立や, 目標ドメインの精度の向上は認められなかった。

関連論文リスト

• Writerslogic at PAN 2026: Process over Content for Robust Detection under Domain Shift [0.0]
  CLEF 2026の3つのPAN用のライターシステムでは、タスクが共有された。 推論軌道検出、Voight-Kampff生成AI検出、マルチオーサリングスタイル解析
  論文  参考訳（メタデータ） (2026-10-02T16:44:14Z)
• UO-FIE: Combining Exact-Label Supervision with Graded Utility for Factivity Inference [0.0]
  アクティビティ推論評価2026(FIE2026)は、中国の文脈と仮説のペアを9つの順序の事実区間に分類する。 UO-FIE(Utility-Oriented F Activity Inference)は、正確なラベル管理とグレードユーティリティを組み合わせたパラメータ効率の高いシステムである。
  論文  参考訳（メタデータ） (2026-09-23T16:24:57Z)
• CropCop: An Auditable 120-Class Plant-Health Model from Benchmark Reconstruction to a Quantised Runtime Artifact [0.0]
  本報告では,120のプラント・ヘルス・クラスにまたがるクローズド・セット認識システムであるCropCopについて述べる。 CropCopは、強力な漏洩制御された内部認識とソフトウェア実行時の忠実性を確立する。
  論文  参考訳（メタデータ） (2026-08-26T08:51:57Z)
• Modeling Normal Is All You Need: Joint Latent Clustering for Anomaly Detection in Multimodal Cyber-Physical Systems [47.027290803102666]
  通常の行動は、多くの不均衡で、曲がりくねった、細い範囲の運営体制の結合である。 我々は正規法則を、共同学習された潜在表現と明示的なガウス混合モードクラスタリングでモデル化する。 ポイント調整のない生のポイントワイドメトリクス、自明な検出困難分割、頻度整合F1、列車正規化のみのキャリブレーションを意図的に評価する。
  論文  参考訳（メタデータ） (2026-07-07T10:10:00Z)
• EdgeZSAD: Practical Zero-Shot Anomaly Detection on Edge Devices [0.0]
  産業検査には、エッジデプロイメント制約の下でも有用であるゼロショット異常検出(ZSAD)が必要である。 We study this regime through EdgeZSAD, a compact reference system built around a TinyViT-21M-512 backbone。 ソーストレーニングされたターゲット不明のプロトコルで1つのチェックポイントをトレーニングし、6つの産業ベンチマークで評価する。
  論文  参考訳（メタデータ） (2026-06-15T02:17:46Z)
• Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
  テキスト検出器は、事前訓練された典型軸を増幅する。 タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。 RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
  論文  参考訳（メタデータ） (2026-05-20T19:08:38Z)
• STEP3-VL-10B Technical Report [115.89015065130127]
  STEP3-VL-10Bは、コンパクト効率とフロンティアレベルのマルチモーダルインテリジェンスとのトレードオフを再定義する軽量基盤モデルである。 そこで我々はPallel Coordinated Reasoning(PaCoRe)を実装して,テスト時間計算をスケールし,リソースをスケーラブルな知覚推論に割り当てる。 MMBenchでは92.2%、MMMUでは80.11%、AIME2025では94.43%、MathVisionでは75.95%である。
  論文  参考訳（メタデータ） (2026-01-14T17:58:24Z)
• Time-Series at the Edge: Tiny Separable CNNs for Wearable Gait Detection and Optimal Sensor Placement [3.7765281299298015]
  我々は,3軸加速度の短い窓から発生するパーキンソン病(PD)の歩行検出のためのデバイス上での時系列解析について検討した。 1つの文献ベースライン(分離可能な畳み込み)と2つのウルトラライトモデル(純粋に分離可能なもの)である。
  論文  参考訳（メタデータ） (2025-11-29T08:52:41Z)
• G-DetKD: Towards General Distillation Framework for Object Detectors via Contrastive and Semantic-guided Feature Imitation [49.421099172544196]
  そこで本研究では,すべてのピラミッドレベルにまたがる特徴ペア間のソフトマッチングを自動的に行う,意味誘導型特徴模倣手法を提案する。 また,異なる特徴領域間の関係で符号化された情報を効果的に捉えるために,コントラスト蒸留を導入する。 本手法は,(1)フレームワークのコンポーネントを別々に使用した場合に,既存の検出KD技術よりも優れた性能を発揮する。
  論文  参考訳（メタデータ） (2021-08-17T07:44:27Z)
• Disentangle Your Dense Object Detector [82.22771433419727]
  深層学習に基づく高密度物体検出器はここ数年で大きな成功を収め、ビデオ理解などのマルチメディアアプリケーションにも応用されてきた。 しかし、現在の高密度検出器の訓練パイプラインは、保持できない多くの接続に妥協されている。 そこで本研究では, 簡易かつ効果的な遠心分離機構を設計し, 現在の最先端検出器に統合するDED(Disentangled Dense Object Detector)を提案する。
  論文  参考訳（メタデータ） (2021-07-07T00:52:16Z)

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。