論文の概要: Dynamic Query as Budgeting for Tiny Object Detection
- arxiv url: http://arxiv.org/abs/2610.33430v1
- Date: Sat, 24 Oct 2026 04:07:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.326712
- Title: Dynamic Query as Budgeting for Tiny Object Detection
- Title（参考訳）: 細い物体検出のための予算化としての動的クエリ
- Abstract要約: 小型物体検出器のための予算型DETR(BUTR)フレームワークを提案する。
BUTRは軽量で学習されていない予算を使い、エンコーダの信頼性から入力依存のクエリ予算を$K(x)$と見積もる。
AI-TOD-v2では47.8 FPSで35.7 AP、NVIDIA T4 GPUではVisDroneでは42.1 FPSで29.8 APを達成した。
- 参考スコア（独自算出の注目度）: 18.74917275632508
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent DETR-based tiny object detectors adopt dynamic query mechanisms to handle severe density imbalance. However, existing designs entangle two effects: how many and which queries are decoded. This entanglement obscures what drives the gains and complicates dynamic-query design; additional learned predictors and heuristic filtering also introduce overhead and potential selection errors. We disentangle these effects and show that dynamic query primarily acts as \emph{budgeting}---allocating decoder query capacity according to object density---rather than intricate query selection.Motivated by this view, we formulate a monotonic and conservative budgeting principle and propose a budgeting-based DETR (BUTR), a streamlined framework that uses a lightweight, non-learned budgeter to estimate an input-dependent query budget $K(x)$ from encoder confidences. BUTR retains standard Top-$K(x)$ query initialization without additional learned modules or heuristic filtering in the budgeter.At $800\times800$ resolution, BUTR-L achieves 35.7 AP at 47.8 FPS on AI-TOD-v2 and 29.8 AP at 42.1 FPS on VisDrone on an NVIDIA T4 GPU. Inference-time integration on COCO further demonstrates its applicability to general scenario detection. Code is available at https://github.com/zhangyi-magic/BUTR.
- Abstract（参考訳）: 近年のDETRに基づく微小物体検出器は, 密度不均衡に対処するための動的クエリ機構を採用している。
しかし、既存の設計では、どのクエリがデコードされているかという2つの効果が絡み合っている。
この絡み合いは、何がゲインを駆動し、動的クエリ設計を複雑にし、さらに学習された予測器とヒューリスティックフィルタリングもオーバーヘッドと潜在的な選択エラーをもたらす。
我々はこれらの効果を解消し、動的クエリが主に「emph{budgeting}」として機能することを示し、複雑なクエリ選択ではなく、オブジェクト密度に応じてデコーダクエリのキャパシティをアロケートすることを示します。
BUTRは、標準のTop-$K(x)$クエリ初期化を、追加の学習モジュールやヒューリスティックなフィルタリングなしで保持する。800ドルの解像度では、BUTR-Lは、AI-TOD-v2で47.8 FPSで35.7 AP、NVIDIA T4 GPUでVisDroneで42.1 FPSで29.8 APを達成した。
COCO上の推論時統合はさらに、一般的なシナリオ検出への適用性を実証している。
コードはhttps://github.com/zhangyi-magic/BUTR.comで入手できる。
関連論文リスト
- CADAQUES: A Cost-Aware Dual Architecture for Query-Efficient Autonomous Discovery [0.0]
CADAQUESは1つのアーキテクチャ原理に基づいて構築された発見ループの第一級プリミティブである。
壁時間、CPU時間、金銭的コスト、言語モデルトークンにまたがる共通のベクトル値の予算に対する評価と決定の両方を課金する。
雑音の多い有限サイズ推定値から2次元Isingモデルの臨界温度を推定することでアーキテクチャを評価する。
論文 参考訳（メタデータ） (2026-07-17T17:04:20Z) - $\texttt{SPECS}$: Faster Test-Time Scaling through Speculative Drafts [55.231201692232894]
$textttSPECS$は、投機的デコードにインスパイアされた遅延対応のテスト時間スケーリングメソッドである。
我々の結果は、$textttSPECS$matchはビームサーチの精度を上回り、最大$sim$19.1%のレイテンシを削減していることを示している。
論文 参考訳（メタデータ） (2025-06-15T05:50:05Z) - Deep Equilibrium Object Detection [24.69829309391189]
本稿では,ディープ平衡デコーダを設計し,新しいクエリベースのオブジェクト検出器(DEQDet)を提案する。
我々の実験では、DECDtはより早く収束し、メモリ消費を減らし、ベースラインよりも優れた結果が得られることを示した。
論文 参考訳（メタデータ） (2023-08-18T13:56:03Z) - Group Pose: A Simple Baseline for End-to-End Multi-person Pose
Estimation [102.02917299051757]
グループ・ポース(Group Pose)と呼ばれる単純だが効果的なトランスフォーマー・アプローチを提案する。
すべての$Ntimes(K+1)$クエリに対して単一の自己アテンションを、その後の2つのグループ自己アテンションに置き換える。
MS COCO と CrowdPose の実験結果から,従来の手法よりもヒトボックスの監督を伴わないアプローチの方が優れていることが示された。
論文 参考訳（メタデータ） (2023-08-14T17:58:04Z) - Hausdorff Distance Matching with Adaptive Query Denoising for Rotated Detection Transformer [4.137346786534721]
両部マッチングのためのハウスドルフ距離に基づくコストを導入し、予測と基底の真理との相違をより正確に定量化する。
本稿では,2部マッチングを用いた適応型問合せ記述手法を提案し,モデル改良から抽出した雑音付き問合せを選択的に除去する。
論文 参考訳（メタデータ） (2023-05-12T16:42:54Z) - Conditional DETR V2: Efficient Detection Transformer with Box Queries [58.9706842210695]
我々は,NMSなどの手作り後処理を必要としないトランスフォーマーエンコーダデコーダアーキテクチャに基づくエンドツーエンドのオブジェクト検出手法に興味がある。
高速なトレーニング収束を備えた改良されたDETRであるConditional DETRにインスパイアされ、オブジェクトクエリを参照ポイントの埋め込みの合成であるボックスクエリの形式に再構成する。
画像の内容からボックスクエリを学習し、高速なトレーニング収束で条件付きDETRの検出品質をさらに向上する。
論文 参考訳（メタデータ） (2022-07-18T20:08:55Z) - Anchor-free Oriented Proposal Generator for Object Detection [59.54125119453818]
オブジェクト指向物体検出はリモートセンシング画像解釈において実用的で困難な課題である。
今日では、指向性検出器は主に水平方向の箱を中間体として使用し、それらから指向性のある箱を導出している。
本稿では,ネットワークアーキテクチャから水平ボックス関連操作を放棄する,AOPG(Anchor-free Oriented Proposal Generator)を提案する。
論文 参考訳（メタデータ） (2021-10-05T10:45:51Z) - Anchor DETR: Query Design for Transformer-Based Detector [24.925317590675203]
本稿では,トランスを用いた新しいクエリ設計を提案する。
オブジェクトクエリはアンカーポイントに基づいており、CNNベースの検出器で広く使われている。
我々の設計では「一つの領域、複数のオブジェクト」という難題を解決するために、一つの位置で複数のオブジェクトを予測できる。
論文 参考訳（メタデータ） (2021-09-15T06:31:55Z) - When Liebig's Barrel Meets Facial Landmark Detection: A Practical Model [87.25037167380522]
正確で、堅牢で、効率的で、一般化可能で、エンドツーエンドのトレーニングが可能なモデルを提案する。
精度を向上させるために,2つの軽量モジュールを提案する。
DQInitは、インプットからデコーダのクエリを動的に初期化し、複数のデコーダ層を持つものと同じ精度でモデルを実現する。
QAMemは、共有するクエリではなく、それぞれのクエリに別々のメモリ値を割り当てることで、低解像度のフィーチャーマップ上のクエリの識別能力を高めるように設計されている。
論文 参考訳（メタデータ） (2021-05-27T13:51:42Z) - End-to-End Object Detection with Transformers [88.06357745922716]
本稿では,オブジェクト検出を直接セット予測問題とみなす新しい手法を提案する。
我々のアプローチは検出パイプラインを合理化し、手作業で設計された多くのコンポーネントの必要性を効果的に除去する。
この新しいフレームワークの主な構成要素は、Detection TRansformerまたはDETRと呼ばれ、セットベースのグローバルな損失である。
論文 参考訳（メタデータ） (2020-05-26T17:06:38Z)
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。