論文の概要: DROA-CLIPSeg: Prompt-Guided Thin Crack Segmentation in Low-Light Conditions

• arxiv url: http://arxiv.org/abs/2610.33635v1
• Date: Sat, 24 Oct 2026 12:29:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.412977
• Title: DROA-CLIPSeg: Prompt-Guided Thin Crack Segmentation in Low-Light Conditions
• Title（参考訳）: DROA-CLIPSeg:低光環境下でのプロンプトガイド型薄き裂進展
• Abstract要約: 低光下での舗装き裂のセグメンテーションは、コントラスト、影、ヘッドライトグラア、関節、汚れ、濡れた縫い目によって劣化する。 DROA-CLIPSegは2つの軽量モジュールを用いて凍結したCLIPSegビジョン言語バックボーンを適応するフレームワークである。 また,CrackLingo-9KとCrackLingo-12Kを導入する。
• 参考スコア（独自算出の注目度）: 1.8205591706950435
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pavement crack segmentation under low light is degraded by reduced contrast, shadows, headlight glare, joints, stains, and wet seams. Existing crack segmentation methods mostly assume good illumination. Low-light enhancement methods improve visual quality, but they do not explicitly preserve crack topology. To address these limitations, we formulate low-light crack segmentation as a degradation-aware, prompt-grounded structural defect segmentation problem and propose DROA-CLIPSeg, a parameter-efficient framework that adapts a frozen CLIPSeg vision language backbone using two lightweight modules. QKV Low-Rank Adaptation is injected into the Q/K/V projections of the vision and text encoders to improve crack-specific image text alignment without backbone fine-tuning. The proposed Domain Residual Orthogonal Adapter (DROA) decomposes intermediate features into a dominant crack-domain branch, which captures recurring low-light crack patterns, and an orthogonal residual branch, which preserves faint, thin, and fragmented evidence usually suppressed by noise, shadow, or over-smoothing. We also introduce CrackLingo-9K and CrackLingo-12K, text augmented versions of Crack9k and Crack12k with crack-aware prompts. Training only approximately 1.93 M parameters, corresponding to 1.3% of the full model, DROA-CLIPSeg outperforms 9 zero-shot and 4 fine-tuned vision language baselines on both splits, generalises zero-shot to MVTec AD across textures and defect morphologies, and is supported by extensive ablations. Our source code is publicly available at https://github.com/VShuklacode/DROA-CLIPSeg
• Abstract（参考訳）: 低光下での舗装き裂のセグメンテーションは、コントラスト、影、ヘッドライトグラア、関節、汚れ、濡れた縫い目によって劣化する。 既存のクラックセグメンテーション法は、ほとんどの場合、良い照明を前提としている。 低照度向上法は視覚的品質を向上させるが、クラックトポロジーを明示的に保存するものではない。 これらの制約に対処するため、低照度き裂のセグメンテーションを劣化対応・即座構造欠陥セグメンテーション問題として定式化し、2つの軽量モジュールを用いて凍結したCLIPSegビジョン言語バックボーンを適応するパラメータ効率のよいフレームワークであるDROA-CLIPSegを提案する。 QKV 低ランク適応は、視覚とテキストエンコーダのQ/K/Vプロジェクションに注入され、バックボーンを微調整することなくクラック固有の画像テキストアライメントを改善する。 提案したDomain Residual Orthogonal Adapter (DROA) は、中間的特徴を、繰り返し発生する低照度き裂パターンをキャプチャする支配的き裂領域ブランチと、ノイズ、シャドウ、過平滑化によって抑制される、暗く、薄く、断片化された証拠を保存する直交残差ブランチに分解する。 また,CrackLingo-9KとCrackLingo-12Kを導入する。 DROA-CLIPSegは2つの分割で9つのゼロショットと4つの微調整された視覚言語ベースラインを上回り、テクスチャと欠陥形態にまたがってゼロショットをMVTec ADに一般化し、広範囲な改善によって支えられている。 ソースコードはhttps://github.com/VShuklacode/DROA-CLIPSegで公開されています。

関連論文リスト

• Bridging Vision Foundation Model Priors with CLIP for Spatial-aware Few-shot Anomaly Detection in Medical Images [48.646448077284276]
  本研究では,数発の医用異常検出を効果的に行うためのフレームワークであるSpatial-FADを提案する。 VFM空間先行とCLIPセマンティクスを組み合わせることで病変の局在を改善する。 本手法は,Diceスコアが11.4%,AUCが1.8%以上の平均改善を実現している。
  論文  参考訳（メタデータ） (2026-09-11T05:21:01Z)
• Enhancing CLIP Robustness via Cross-Modality Alignment [54.01929554563447]
  視覚言語モデルのための最適なトランスポートベースフレームワークであるクロスモダリティアライメントを提案する。 COLAは、グローバルな画像テキストアライメントと特徴空間における局所的な構造的一貫性を復元する。 COLAはトレーニングフリーで、既存の微調整モデルと互換性がある。
  論文  参考訳（メタデータ） (2025-10-28T03:47:44Z)
• Manifold-aware Representation Learning for Degradation-agnostic Image Restoration [135.90908995927194]
  画像復元(IR)は、ノイズ、ぼかし、迷路、雨、低照度といった様々な汚職に影響を受ける劣化した入力から高品質な画像を復元することを目的としている。 我々は、入力特徴空間を3つのセマンティックに整列した並列分岐に明示的に分解する1つのIRにおいて、すべてに統一されたフレームワークであるMIRAGEを提案する。 このモジュラ分解は、多種多様な分解の一般化と効率を大幅に改善する。
  論文  参考訳（メタデータ） (2025-05-24T12:52:10Z)
• SCSegamba: Lightweight Structure-Aware Vision Mamba for Crack Segmentation in Structures [29.224360412743454]
  高品質な画素レベルのセグメンテーションマップを生成するために,SCSegamba(Structure-Aware Vision Mamba Network)を提案する。 具体的には、軽量なGated Bottleneck Convolution(GBC)とStructure-Aware Scanning Strategy(SASS)を組み合わせたSAVSS(Structure-Aware Visual State Space Module)を開発した。 クラックベンチマークを用いた実験により,本手法は他のSOTA法よりも優れており,パラメータが2.8Mで最高性能を達成できた。
  論文  参考訳（メタデータ） (2025-03-03T02:40:57Z)
• CleanerCLIP: Fine-grained Counterfactual Semantic Augmentation for Backdoor Defense in Contrastive Learning [53.766434746801366]
  バックドアトリガの特徴的接続を遮断するための細粒な textbfText textbfAlignment textbfCleaner (TA-Cleaner) を提案する。 TA-Cleanerは、ファインタニングベースの防御技術の中で最先端の防御性を達成している。
  論文  参考訳（メタデータ） (2024-09-26T07:35:23Z)
• Low-Light Video Enhancement via Spatial-Temporal Consistent Decomposition [52.89441679581216]
  低照度ビデオエンハンスメント(LLVE)は、激しい視認性とノイズに悩まされる動的または静的なシーンの復元を目指している。 本稿では、ビューに依存しない、ビューに依存しないコンポーネントを組み込んだ革新的なビデオ分解戦略を提案する。 我々のフレームワークは、既存のメソッドを一貫して上回り、新しいSOTAパフォーマンスを確立します。
  論文  参考訳（メタデータ） (2024-05-24T15:56:40Z)
• CrackNex: a Few-shot Low-light Crack Segmentation Model Based on Retinex Theory for UAV Inspections [9.27355428681897]
  CrackNexは、Retinex Theoryに基づく反射情報を利用して、モデルが統一された照明不変表現を学ぶのを助けるフレームワークである。 LCSDは102個の高照度き裂画像と41個の低照度き裂画像からなる。
  論文  参考訳（メタデータ） (2024-03-05T15:52:54Z)
• CrackCLF: Automatic Pavement Crack Detection based on Closed-Loop Feedback [14.986335013488643]
  CrackCLFはニューラルネットワークモデルであり、自分でエラーを修正することを学習する。 提案されたCLFは、プラグアンドプレイモジュールとして定義することができ、異なるニューラルネットワークモデルに組み込んでパフォーマンスを改善することができる。
  論文  参考訳（メタデータ） (2023-11-20T14:52:48Z)

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。