論文の概要: ROCOCO: Robust Outline Completion of Occluded Curvilinear Objects

• arxiv url: http://arxiv.org/abs/2610.29177v1
• Date: Wed, 21 Oct 2026 04:09:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.201648
• Title: ROCOCO: Robust Outline Completion of Occluded Curvilinear Objects
• Title（参考訳）: ROCOCO:Occluded Curvilinear Objectsのロバストなアウトライン補完
• Abstract要約: 環境障害物を排除した環境条件下でのカービリニア特徴を学習ベースで生成するモデルを提案する。 適切な曲線特徴を持つ閉塞領域の塗布を支援するフローマッチングに基づくアプローチを採用する。 我々はUNetベースのマスク予測モデルもトレーニングし、観察対象のみを考慮し、塗り絵の領域を識別する。
• 参考スコア（独自算出の注目度）: 2.7642340344267375
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a learning-based generative model for completing curvilinear features under occlusion by environmental obstacles. To this end, we adopt a flow matching-based approach that supports the inpainting of occluded regions with the appropriate curvilinear features. To eliminate the reliance on privileged information about the occlusion a priori, we also train a UNet-based mask prediction model, which can identify regions for inpainting given only the occluded observation. The components of our approach are validated via experiments using procedurally-generated test cases, and the complete pipeline is validated using large public datasets for curvilinear objects. Against off-the-shelf inpainting baselines, ROCOCO is the strongest method by a wide margin when no occlusion mask is given, and is competitive with mask-supervised inpainting when one is, achieving best on full-image error and second only to LaMa on the occluded region, while using a completer of $7.7$M parameters against LaMa's $51$M and Stable Diffusion's $860$M.
• Abstract（参考訳）: 環境障害物を排除した環境条件下でのカービリニア特徴を学習ベースで生成するモデルを提案する。 この目的のために、我々は、適切な曲線特徴を持つ閉塞領域の塗布を支援するフローマッチングベースのアプローチを採用する。 また, 排他情報への依存をなくすために, 排他的観察のみによる着色領域の特定が可能なUNetベースのマスク予測モデルを訓練する。 提案手法のコンポーネントは,手続き的に生成したテストケースを用いて実験により検証し,完全パイプラインはカービリニアオブジェクトのための大規模な公開データセットを用いて検証する。 オフザシェルフ塗装のベースラインに対して、ROCOCOは、隠蔽マスクが与えられていない場合、幅広いマージンによる最強の手法であり、マスクによる塗装と競合し、全画像誤差で最高で、閉塞領域でLaMaに次いで2位であり、LaMaの511ドルMと安定拡散の860ドルMに対して7.7ドルMのパラメータを使用する。

関連論文リスト

• M-plicits: Neural Implicit Surfaces via Nested Multiscale Residuals [13.406437072803897]
  M-プライシット(M-plicits)は、ネストされた近傍で訓練された残余の残余の和として表される、マルチスケールなフレームワークである。 スタンフォード大学とThingi32では、M-plicitsは粗い構成では最も平均的なChamfer距離、細かい構成では最も中央値のChamfer距離とIoUを達成する。
  論文  参考訳（メタデータ） (2026-09-23T18:26:17Z)
• Flow Map Denoisers: Traversing the Distortion-Perception Plane for Inverse Problems [48.501415601682815]
  画像復元は基本的なトレードオフに直面している: エラーを最小限に抑える手法はぼやけた再構成を生み出し、知覚的品質を最大化する手法はシャープだが忠実でない画像を生み出す。 フローマップモデルは、歪み知覚フロンティアを連続的に分散する1パラメータのデノイザ群を暗黙的に定義する。 Plug-and-Playソルバ内では、同じメカニズムが一般的な逆問題にまで拡張され、知覚的アライメントとデータの一貫性のトレードオフを制御する。
  論文  参考訳（メタデータ） (2026-06-18T05:15:43Z)
• Observation-Aligned Mask Priors for Learning Physical Dynamics from Authentic Occlusions [5.712248310668237]
  観測適応マスクプライオリティ(英: Observation-Aligned Mask Priors)は、観測マスクの分布を学習するフレームワークである。 この交叉に基づく分割は、すべての有効次元にクエリされる確率が厳密に正であることを示します。
  論文  参考訳（メタデータ） (2026-05-16T05:23:49Z)
• Exploring the Limits of End-to-End Feature-Affinity Propagation for Single-Point Supervised Infrared Small Target Detection [6.7126559398433665]
  単一点制御赤外線小ターゲット検出(IRSTD)は、高密度アノテーションのコストを大幅に削減する。 現在のSOTA(State-of-the-art)手法は、マスクの監督を明示的でオフラインな擬似ラベル構成によって回収することにより、高精度を実現する。 最小限の代替策として、オンラインのポイント・ツー・マスク・イン・バッチ、ポイント・アンカレド・フィーチャー・アフィニティ・プロパゲーションを通じて、ポイント・ツー・マスクをオンラインに生成する手法について検討する。
  論文  参考訳（メタデータ） (2026-05-01T15:08:46Z)
• Extremal Contours: Gradient-driven contours for compact visual attribution [5.6220652636435915]
  恒星を監督するフレームワークが高密度マスクによってより複雑なものを実現する方法を示す。 ImageNetsでは、高密度マスクの極端の輪郭とマッチングし、ランニング・トゥ・ラン・ビジョンを改善したコンパクトな領域を生成する。
  論文  参考訳（メタデータ） (2025-11-03T10:02:21Z)
• Occlusion-Robust FAU Recognition by Mining Latent Space of Masked Autoencoders [23.39566752915331]
  顔面行動単位(FAUs)は、きめ細かい表情解析に重要である。 新しいアプローチは、マスク付きオートエンコーダ(MAE)の潜伏空間からの豊富な情報を活用し、FAU機能に変換する。 FAUは、通常の条件下での最先端の手法と同等の性能を達成できる。
  論文  参考訳（メタデータ） (2022-12-08T01:57:48Z)
• Spatial-Separated Curve Rendering Network for Efficient and High-Resolution Image Harmonization [59.19214040221055]
  本稿では,空間分離型曲線描画ネットワーク(S$2$CRNet)を提案する。 提案手法は従来の手法と比較して90%以上のパラメータを減少させる。 提案手法は,既存の手法よりも10ドル以上高速な高解像度画像をリアルタイムにスムーズに処理することができる。
  論文  参考訳（メタデータ） (2021-09-13T07:20:16Z)
• Orthogonal Jacobian Regularization for Unsupervised Disentanglement in Image Generation [64.92152574895111]
  直交ジャコビアン正規化法(OroJaR)を提案する。 提案手法は, 絡み合った, 制御可能な画像生成に有効であり, 最先端の手法に対して好適に機能する。
  論文  参考訳（メタデータ） (2021-08-17T15:01:46Z)
• Nearly Dimension-Independent Sparse Linear Bandit over Small Action Spaces via Best Subset Selection [71.9765117768556]
  本研究では,高次元線形モデルの下での文脈的帯域問題について考察する。 この設定は、パーソナライズされたレコメンデーション、オンライン広告、パーソナライズされた医療など、不可欠な応用を見出す。 本稿では,最適部分集合選択法を用いて2重成長エポックを推定する手法を提案する。
  論文  参考訳（メタデータ） (2020-09-04T04:10:39Z)
• Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection [63.942632088208505]
  本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。 これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
  論文  参考訳（メタデータ） (2020-03-28T18:51:43Z)

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。