論文の概要: Cross-Visibility-Gap Identity Persistence for 4D Scene Graphs
- arxiv url: http://arxiv.org/abs/2610.27505v1
- Date: Tue, 20 Oct 2026 02:20:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.587236
- Title: Cross-Visibility-Gap Identity Persistence for 4D Scene Graphs
- Title（参考訳）: 4次元シーングラフの可視・ギャップIDパーシステンス
- Abstract要約: 4Dシーングラフは、不透明なキャリア内でオブジェクトが消えて、後に新しい検出として再現れるとき、永続的なオブジェクト識別を必要とする。
我々は、記憶されたターゲット-キャリア結合を通して、履歴ノードの回復として、視認性とギャップのパーシステンスを定式化する。
CVG-SGMのリリンク精度は1.000で、メモリレスとパラメータカウント対応のノーライトコントロールは0.570である。
- 参考スコア（独自算出の注目度）: 19.66956549251986
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: 4D scene graphs require persistent object identity when an object disappears inside an opaque carrier and later reappears as a fresh detection. When appearance and target-centric motion are unavailable, identity recovery must rely on relational history. We formulate cross-visibility-gap identity persistence as historical-node recovery through a remembered target--carrier binding. We introduce CVG-SGM, a perception-frontend-compatible transfer--maintain--read memory. Geometry-weighted cross-node interaction transfers target-specific evidence into carrier states, a shared per-node GRU maintains this information during transport, and a two-time readout combines stored carrier--identity compatibility with current detection--carrier geometry to recover the historical identity. In the controlled one-identity-per-carrier setting, CVG-SGM achieves 1.000 re-link accuracy, compared with 0.570 for both no-memory and parameter-count-matched no-write controls. It also generalizes to scene-disjoint, unseen longer visibility gaps. On real RGB-D/SAM2 feature-level episodes, it correctly re-links 36/36 held-out detections, compared with 28/36 for the strongest fixed carrier--identity control. Counterfactual carrier-memory swaps redirect predictions according to the swapped bindings, supporting the role of stored relational information in identity recovery. The current approach remains limited by shared-carrier identity ambiguity and does not provide end-to-end raw-video re-identification.
- Abstract（参考訳）: 4Dシーングラフは、不透明なキャリア内でオブジェクトが消えて、後に新しい検出として再現れるとき、永続的なオブジェクト識別を必要とする。
外観や目標中心の動きが利用できない場合、アイデンティティ回復は関係履歴に依存する必要がある。
我々は、記憶されたターゲット-キャリア結合を通して、履歴ノードの回復として、視認性とギャップのパーシステンスを定式化する。
CVG-SGMは、認識フロントエンド互換の転送-保守-リードメモリである。
幾何重み付きクロスノード相互作用は、ターゲット固有のエビデンスをキャリア状態に転送し、共有ノード毎のGRUは、この情報を転送中に保持し、2回の読み出しは、保存されたキャリアのアイデンティティと現在の検出との互換性を結合して、キャリアジオメトリを復元し、歴史的なアイデンティティを回復する。
CVG-SGMは1キャリア単位の1ID設定で1.000リリンク精度を達成し、無メモリとパラメータ数整合のノーライト制御では0.570である。
また、シーンが切り離され、見えない長い視界ギャップにも一般化される。
実際のRGB-D/SAM2機能レベルエピソードでは、36/36のホールトアウト検出を正しくリンクする。
事実上のキャリアメモリは、スワップされたバインディングに従ってリダイレクト予測をスワップし、IDリカバリにおける格納されたリレーショナル情報の役割をサポートする。
現在のアプローチは、共有キャリアアイデンティティの曖昧さによって制限されており、エンドツーエンドの生ビデオの再識別を提供していない。
関連論文リスト
- Reliability-Consistent Appearance Modeling for RGB-Infrared Multi-Object Tracking [70.91326539256316]
信頼性に一貫性のある外観モデリングフレームワークであるRCA-MOTを提案する。
モダリティ間の相補性を保ちながら、表現後証拠の制御性を保っている。
RCA-MOTはVT-MOTとUniRTLに新しいSOTA結果を設定し、以前の最高のHOTAを5.402/6.075ポイント、IDF1を11.549/12.789ポイント改善した。
論文 参考訳（メタデータ） (2026-10-16T08:30:48Z) - Semantic Modality Compensation for Unsupervised Visible-Infrared Person Re-identification under Unpaired Settings [5.822080383967553]
未経験学習では、モダリティ間の同一性対応はしばしば不完全である。
モーダルスタイルからアイデンティティ意味を分離するプロンプト合成に基づくフレームワークを提案する。
SMCは一貫して最先端の手法を上回っている。
論文 参考訳（メタデータ） (2026-09-28T04:40:10Z) - LiAM-SAM: Lifecycle-Aware Memory for Robust SAM2-Based MOT [45.082654146032304]
SAM2パイプラインは、一般的にオブジェクトライフサイクルの3段階に障害が発生する。
3つの障害モードそれぞれを対象として,目標となるメカニズムを備えたフレームワークであるLiAM-SAMを提案する。
連成環境下では,LiAMは+10.5 HOTA,+17.4 AssAで検出+SAM2ベースラインを改良し,アイデンティティスイッチを96%削減した。
論文 参考訳（メタデータ） (2026-09-23T13:21:41Z) - Lift, Associate, and Fuse: A Decision-Centric Framework for 2D-to-3D Foundation Model Transfer [18.616107275409764]
2次元基礎モデルから3次元セグメンテーションへの予測を伝達する手法は、一般にタスクまたは表現によってグループ化される。
我々は5つの演算子として転送システムを表す決定中心のフレームワークである textbfLift, Associate, and Fuse (LAF) を紹介する。
LAFは、永続キャリアの明示的な契約を定義し、破棄された証拠が回収不能になる第1段階を特定する。
論文 参考訳（メタデータ） (2026-08-21T01:33:23Z) - ViSAGE: Constructing Self-Correcting Memories for Long-Form Video Understanding [11.461394531496397]
ViSAGEは、自己修正、エンティティ中心のメモリを構築するマルチモーダルなエージェントメモリフレームワークである。
これは、遅延したアイデンティティの証拠を伝播させ、過去の記録を遡って統一し、将来の推論を改善するために、双方向のメモリリファインメントを適用している。
その結果、ViSAGEは最強のベースラインを一貫して上回り、精度は5.9%向上した。
論文 参考訳（メタデータ） (2026-07-29T10:25:23Z) - MemOps: Benchmarking Lifecycle Memory Operations in Long-Horizon Conversations [50.24315431387575]
ライフサイクル操作のシーケンスとして会話メモリを再構成するベンチマークであるMemOpsを紹介する。
MemOpsは、それぞれのメモリイベントをトリガ、ターゲット、スコープ、状態遷移、エビデンスを指定した構造化トレースで表現する。
長いコンテキスト、検索ベース、パラメトリック、マネージドメモリシステムにわたって、MemOpsはファイナ・アンサーの精度のみを隠蔽する障害モードをアンタングルする。
論文 参考訳（メタデータ） (2026-07-14T15:33:44Z) - REMIND: RE-Identification with Memory for INDoor Navigation [39.146761527401424]
モノクロRGB画像からの屋内ジェネリックオブジェクトの長期的多目的再識別のためのオンライントラッカー。
視覚的認知の証拠によって、人間は明示的な自己ローカライゼーションではなく、蓄積した外観の親しみと空間的コンテキストに依存している。
ScanNet++では、すべてのシーンで1つのエンドツーエンド検出を除いて、すべての設定で最高のIDF1を達成している。
論文 参考訳（メタデータ） (2026-07-10T10:30:50Z) - REAL-OW: Rehearsal-free Open World Object Detection with Low-Rank Adaptation and Dual-Stage Objectness Modeling [56.888597798431704]
Open-World Object Detection (OWOD) では、未確認のオブジェクトを未知のものとして識別し、それを既知のカテゴリのセットにインクリメンタルに組み込む必要がある。
既存のフレームワークは、破滅的な忘れを緩和するために、模範的なリプレイに大きく依存しているが、実際のアプリケーションでは、データアクセス制限との生データ競合を保存し、データ露出のリスクをもたらす。
協調的なアダプタアーキテクチャを通じて段階的な知識を分離する新しいリハーサルフリーフレームワークであるREAL-OWを提案する。
論文 参考訳（メタデータ） (2026-07-03T06:38:54Z) - Spatial-Temporal Decoupled Reference Conditioning for Identity-Preserving Text-to-Video Generation [79.94088803584262]
アイデンティティ保存ビデオ生成(IPVG)は、参照IDを保持しながらテキストプロンプトに従う高忠実度ビデオの合成を目的としている。
そこで我々は,ST-DRCを提案する。ST-DRCは,個人認証を保存したテキスト・ビデオ生成のための効果的な空間的疎結合参照条件作成フレームワークである。
LTX-2.3 上に構築した軽量な設計により,ST-DRC は強いアイデンティティ保存,迅速なアライメント,時間的整合性,映像品質を実現する。
論文 参考訳（メタデータ） (2026-06-01T16:12:18Z) - AnyCrowd: Instance-Isolated Identity-Pose Binding for Arbitrary Multi-Character Animation [55.94507360511886]
我々は,任意の文字にスケール可能なトランスフォーマーベースのビデオ生成フレームワークであるAnyCrowdを提案する。
具体的には、まず、DiT処理に先立って文字インスタンスを独立してエンコードするIILR(Instance-Isolated Latent Representation)を導入し、遅延IDの絡み込みを防止する。
この不整合表現に基づいて、さらに、(i)インスタンス認識フォアグラウンドアテンション、(ii)背景中心の相互作用、(iii)世界背景調整に自己注意を分解することで、運転ポーズにアイデンティティを結合するトリステージデカップリングアテンション(TSDA)を提案する。
論文 参考訳（メタデータ） (2026-03-16T15:25:04Z) - Beyond Inference Intervention: Identity-Decoupled Diffusion for Face Anonymization [55.29071072675132]
顔の匿名化は、非同一性属性を保持しながら、識別情報を隠蔽することを目的としている。
トレーニング中心の匿名化フレームワークである textbfIDsuperscript2Face を提案する。
IDtextsuperscript2Faceは、視覚的品質、アイデンティティの抑制、ユーティリティ保存において、既存の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2025-10-28T09:28:12Z)
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。