論文の概要: Lightweight Frame Compensation for Real-Time Polyp Segmentation under Frame Skipping
- arxiv url: http://arxiv.org/abs/2610.31228v1
- Date: Thu, 22 Oct 2026 13:13:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.382421
- Title: Lightweight Frame Compensation for Real-Time Polyp Segmentation under Frame Skipping
- Title（参考訳）: フレームスキッピング時のリアルタイムポリプセグメンテーションのための軽量フレーム補償
- Abstract要約: フレーム補償器(LFC)は、動き時間的注意を通して連続したフレームを1つの補償フレームに融合する。
3つのポリプビデオベンチマークの実験により、LFCは直接フレームスキップによって劣化した精度のほとんどを回復することが示された。
LFCは軽量で、プラグイン可能で、リアルタイムのポリープセグメンテーションへのデプロイメントフレンドリーなルートを提供する。
- 参考スコア（独自算出の注目度）: 1.3059755992268272
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Real-time polyp segmentation in computer-assisted colonoscopy is hampered by the difficulty of deploying high-accuracy models under strict latency budgets. Frame skipping, which performs inference every K frames and reuses or interpolates the rest, improves throughput but introduces motion blur and lesion misalignment that degrade temporal consistency. To close this gap, we propose the Lightweight Frame Compensator (LFC), a 77K-parameter plug-and-play module inserted before a frozen segmentation backbone. Operating on a three-frame window, LFC fuses consecutive frames via spatio-temporal attention into a single compensated frame, and is trained only on pseudo-labels generated by a differently seeded model, without any expert annotation. Experiments on three polyp video benchmarks show that LFC recovers most of the accuracy degraded by direct frame skipping and, in several settings, reaches the accuracy of frame-by-frame inference, while retaining a 2.05X--2.55X throughput gain. We further evaluate the temporal stability of three backbones spanning CNN, pyramid Transformer, and global-attention Transformer architectures, revealing a spectrum of sensitivity to frame skipping that arises from how locally or globally each architecture aggregates misaligned input. The compensation gain of LFC follows this spectrum: it is largest for high-capacity Transformer backbones, which achieve the best static accuracy but suffer the most under skip-frame inference. LFC thus offers a lightweight, pluggable, and deployment-friendly route to real-time polyp segmentation.
- Abstract（参考訳）: コンピュータ支援大腸内視鏡におけるリアルタイムポリープセグメンテーションは、厳格な遅延予算下での高精度モデルの展開が困難であるために妨げられる。
すべてのKフレームを推論し、残りのフレームを再利用または補間するフレームスキップはスループットを向上させるが、時間的一貫性を低下させる動きのぼやけと病変の修正を導入する。
このギャップを埋めるために、冷凍セグメンテーションバックボーンの前に挿入された77Kパラメータープラグアンドプレイモジュールである軽量フレーム補償器(LFC)を提案する。
LFCは3フレームのウィンドウ上で動作し、時空間的注意を通して連続したフレームを単一の補償フレームに融合し、専門家のアノテーションなしで異なるシードモデルによって生成された擬似ラベルでのみ訓練される。
3つのポリプビデオベンチマークの実験により、LFCは直接のフレームスキップによって劣化した精度のほとんどを回復し、いくつかの設定において、2.05X--2.55倍のスループットを保ちながらフレーム毎の推論の精度に達することを示した。
さらに、CNN、ピラミッドトランスフォーマー、グローバルアテンショントランスフォーマーアーキテクチャにまたがる3つのバックボーンの時間的安定性を評価し、各アーキテクチャがどのように局所的あるいはグローバル的にどのように不整合入力を集約するかから生じるフレームスキップに対する感度のスペクトルを明らかにする。
LFCの補償利得はこのスペクトルに従う: 高容量トランスフォーマーバックボーンでは最大であり、最高の静的精度を達成するが、スキップフレーム推論では最も苦しむ。
これにより、LFCは軽量で、プラグイン可能で、リアルタイムのポリープセグメンテーションへのデプロイメントフレンドリーなルートを提供する。
関連論文リスト
- Anatomy-Guided Foundation Model Adaptation with Within-Case Prototype Supervision for Standard Plane Detection in Fetal Ultrasound Blind Sweeps [0.0]
AnatoProtoは、凍結されたBiomedCLIPエンコーダを胎児の盲検に適応するシーケンスレベルのフレームワークである。
ACOUSLIC-AIベンチマークでは、AnatoProtoは67.72のF1テストに到達し、最も強力な基礎モデルベースラインを上回った。
論文 参考訳（メタデータ） (2026-08-27T12:36:56Z) - ReMATF: Recurrent Motion-Adaptive Multi-scale Turbulence Mitigation for Dynamic Scenes [4.282240730573401]
大気の乱流は、幾何学的歪み、ぼかし、時間的ひねりなどの歪みを導入することで、映像の品質を著しく低下させる。
本稿では,空間的詳細と時間的安定性を保ちながら,同時に2フレームのみを使用して映像を復元する軽量なリカレントフレームワークであるReMATFを提案する。
論文 参考訳（メタデータ） (2026-05-20T17:28:49Z) - FFP-300K: Scaling First-Frame Propagation for Generalizable Video Editing [97.35186681023025]
FFP-300Kは、720p解像度と81フレームの高忠実度ビデオペアの大規模データセットである。
本稿では,第1フレームの外観維持とソース映像の動作保存の緊張を解消する,真の誘導不要なFFPのための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-05T01:46:22Z) - Error-Propagation-Free Learned Video Compression With Dual-Domain Progressive Temporal Alignment [92.57576987521107]
両ドメインのプログレッシブな時間的アライメントと品質条件の混合(QCMoE)を備えた新しい統合変換フレームワークを提案する。
QCMoEは、魅力的なR-Dパフォーマンスで連続的かつ一貫したレート制御を可能にする。
実験結果から,提案手法は最先端技術と比較して,競争力のあるR-D性能を実現することが示された。
論文 参考訳（メタデータ） (2025-12-11T09:14:51Z) - Temporal-Anchor3DLane: Enhanced 3D Lane Detection with Multi-Task Losses and LSTM Fusion [0.0]
Temporal-Anchor3DLaneは、Anchor3DLaneを3つの重要なコントリビューションで拡張した3Dレーン検出フレームワークである。
軽量のテンポラルLSTMフュージョンモジュールは、フレーム全体にわたってアンカー毎の特徴を集約し、より重いトランスフォーマースタイルのテンポラルフュージョンを置き換える。
OpenLaneでは、Temporal-Anchor3DLaneはF1を+6.2改善し、より滑らかな時間軌道を得る。
論文 参考訳（メタデータ） (2025-12-05T21:52:18Z) - Rethinking Diffusion Model-Based Video Super-Resolution: Leveraging Dense Guidance from Aligned Features [51.5076190312734]
ビデオ超解法アプローチは、エラーの蓄積、空間的アーティファクト、知覚的品質と忠実さのトレードオフに悩まされる。
ビデオ超解像(DGAF-VSR)に適した特徴を持つ新しい誘導拡散モデルを提案する。
合成および実世界のデータセットの実験では、DGAF-VSRがVSRの重要な側面において最先端の手法を超越していることが示されている。
論文 参考訳（メタデータ） (2025-11-21T03:40:45Z) - PAS: A Training-Free Stabilizer for Temporal Encoding in Video LLMs [57.790910044227935]
ビデオLLMは時間的不整合に悩まされ、フレームタイミングの小さなシフトは注意をそらすことができ、関連するフレームを抑えることができる。
本稿では, 位相アグリゲード平滑化(PAS)について述べる。これは, 頭部に小さな反対位相オフセットを適用して, 出力を集約する学習自由機構である。
解析の結果,RoPE回転ロジットは,時間核でスケールしたコンテントドット積として近似でき,このカーネルを滑らかにすることで,小さな時間シフトに対する注意のリプシッツ安定性が得られ,マルチフェーズ平均化は,Nyquist-valid サンプリング下での頭当たりスペクトルを保ちながら高周波リップルを減衰させることがわかった。
論文 参考訳（メタデータ） (2025-11-14T05:56:47Z) - RAPID^3: Tri-Level Reinforced Acceleration Policies for Diffusion Transformer [86.57077884971478]
ディフュージョントランスフォーマー(DiT)は、視覚発生時に優れるが、遅いサンプリングによって妨げられる。
本稿では,RAPID3: Tri-Level Reinforced Acceleration Policies for Diffusion Transformersを紹介する。
ベースジェネレータの更新をゼロにするイメージワイドアクセラレーションを提供する。
競合する生成品質でサンプリングを3倍近く高速化する。
論文 参考訳（メタデータ） (2025-09-26T13:20:52Z) - Self-supervised Learning of Event-guided Video Frame Interpolation for Rolling Shutter Frames [7.448238372345631]
イベントカメラは時間分解能が高い。
RS歪みを伴わないグローバルシャッター(GS)高フレームレートビデオの再生フレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-27T14:30:25Z)
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。