論文の概要: UniQuery: Unifying Vision Models with a Joint Query Head for Cross-Domain Pedestrian Attribute Recognition

• arxiv url: http://arxiv.org/abs/2610.33639v1
• Date: Sat, 24 Oct 2026 12:45:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.413783
• Title: UniQuery: Unifying Vision Models with a Joint Query Head for Cross-Domain Pedestrian Attribute Recognition
• Title（参考訳）: UniQuery: クロスドメイン歩行者属性認識のための統合クエリヘッドによるビジョンモデルの統合
• Abstract要約: 属性特異的核融合のためのDINOv3とCLIPを微調整するUniQueryを提案する。 We evaluate UniQuery on the benchmark of the UPAR Challenge 2027 at the WACV 2027 Real-World Surveillance Workshop。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pedestrian Attribute Recognition (PAR) predicts semantic attributes of individuals, such as gender, age, clothing and accessories, and its descriptions support attribute-based person retrieval and person re-identification. However, accurately recognizing fine-grained attributes across domains remains challenging due to occlusion, appearance variations, and shifts in image distributions. Ensembles of independently trained foundation encoders combine their logits with fixed fusion weights, so every attribute uses the same mix and the encoders are never trained together. We propose UniQuery, which instead jointly fine-tunes DINOv3 and CLIP for attribute-specific fusion. It combines two query heads, one for each encoder, with a joint query head whose attribute queries attend to tokens from both encoders, and the prediction is the average of the logits of the three query heads. We evaluate UniQuery on the benchmark of the UPAR Challenge 2027 at the WACV 2027 Real-World Surveillance workshop, where models are trained on PA100k, PETA and Market-1501 with a shared set of attributes. In leave-one-dataset-out experiments, UniQuery outperforms the independent ensemble in Challenge_Avg on both held-out datasets. Ablations show that learning fusion over independently trained encoders does not improve upon logit averaging in the mean over the two held-out datasets, while freezing the encoders lowers the Challenge_Avg of UniQuery. On the hidden test set of the benchmark, UniQuery achieves a Challenge_Avg of 0.8001.
• Abstract（参考訳）: Pedestrian Attribute Recognition (PAR)は、性別、年齢、衣服、アクセサリーなどの個人の意味的属性を予測し、その記述は属性に基づく人物の検索と人物の再識別をサポートする。 しかし、画像分布の隠蔽、外見の変化、シフトにより、ドメイン間のきめ細かい属性を正確に認識することは依然として困難である。 独立に訓練された基礎エンコーダのアンサンブルは、ロジットと固定された核融合重量を組み合わせるため、全ての属性は同じミックスを使用し、エンコーダは一緒に訓練されることはない。 属性特異的な融合のためにDINOv3とCLIPを結合して微調整するUniQueryを提案する。 それぞれのエンコーダごとに2つのクエリヘッドと、属性クエリが両方のエンコーダのトークンに付随するジョイントクエリヘッドを組み合わせて、予測は3つのクエリヘッドのロジットの平均である。 We evaluate UniQuery on the benchmark of the UPAR Challenge 2027 at the WACV 2027 Real-World Surveillance Workshop, where models are training on PA100k, PETA, Market-1501 with a shared set of attribute。 leave-one-dataset-out実験では、UniQueryは、両方の保持されたデータセットでChallenge_Avgの独立したアンサンブルより優れています。 アブレーションは、独立に訓練されたエンコーダによる学習の融合は、2つの保持されたデータセットの平均的なロジット平均よりも改善せず、一方、エンコーダの凍結はUniQueryのChallenge_Avgを低下させることを示している。 ベンチマークの隠れテストセットでは、UniQueryはチャレンジ_Avgの0.8001を達成している。

関連論文リスト

• Beyond Single-Attribute Auditing: A Configurable Multi-Attribute Benchmark for Intersectional Fairness in LLMs [51.55275445840593]
  大規模言語モデル(LLM)は、公平性についてますます評価されているが、既存のベンチマークでは、1回に1つのセンシティブな属性を監査している。 既存のフェアネスデータを479,066のDual- and Multi-Atributeインスタンスに変換するベンチマークであるComFairを紹介する。 このペアリングは、パフォーマンスやバイアススコアシフトの統一監査、新たなエラーの導入や既存のエラーの隠蔽、モデルレベルの安定性などをサポートする。
  論文  参考訳（メタデータ） (2026-10-26T09:14:28Z)
• LENS: Likelihood Evaluation and Neighbor Smoothing for Attribute-Based Person Retrieval on Unseen Cameras [0.0]
  属性に基づく人物検索は、セマンティック属性のバイナリクエリから監視画像をランク付けする。 共通のパイプラインは、クエリまでのL1距離でギャラリーイメージをランク付けする。 蒸留機を用いたDINOv3モデルとCLIPモデルを組み合わせたLENSを提案する。
  論文  参考訳（メタデータ） (2026-10-24T12:48:40Z)
• Representation Risk in Pretrained Image Encoders [0.0]
  提案手法では, 有意な事前学習エンコーダが同一画像を異なる特徴空間にマッピングし, 予測性能から顕著に異なるアウト・オブ・サンプルの結論が得られることを示す。 住宅価格,競走馬のパフォーマンス,乳がん組織学,胸部X線写真,連続顔面年齢,イネ病などを含む10種類の近代的,遺産の冷凍エンコーダを比較した。
  論文  参考訳（メタデータ） (2026-09-28T15:53:26Z)
• Align Your Query: Representation Alignment for Multimodality Medical Object Detection [55.86070915426998]
  本稿では,表現をモダリティの文脈と整合させる検出非依存の枠組みを提案する。 モーダリティトークンをマルチモーダリティコンテキスト注意による検出プロセスに統合する。 提案されたアプローチは、最小限のオーバーヘッドとアーキテクチャの変更を伴わず、APを継続的に改善する。
  論文  参考訳（メタデータ） (2025-10-03T07:49:21Z)
• DAMEX: Dataset-aware Mixture-of-Experts for visual understanding of mixture-of-datasets [34.780870585656395]
  本稿では,データセット・アウェア・ミックス・オブ・エクササイズ,DAMEXを提案する。 データセットトークンをマップされた専門家にルーティングすることを学ぶことで、データセットのエキスパートになるように専門家を訓練します。 Universal Object-Detection Benchmarkの実験では、既存の最先端技術よりも優れています。
  論文  参考訳（メタデータ） (2023-11-08T18:55:24Z)
• 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)
• Hierarchical Visual Primitive Experts for Compositional Zero-Shot Learning [52.506434446439776]
  合成ゼロショット学習(CZSL)は、既知のプリミティブ(属性とオブジェクト)の事前知識で構成を認識することを目的としている。 このような問題に対処するために,コンポジショントランスフォーマー(CoT)と呼ばれるシンプルでスケーラブルなフレームワークを提案する。 提案手法は,MIT-States,C-GQA,VAW-CZSLなど,いくつかのベンチマークでSoTA性能を実現する。
  論文  参考訳（メタデータ） (2023-08-08T03:24:21Z)
• UPAR: Unified Pedestrian Attribute Recognition and Person Retrieval [4.6193503399184275]
  UPAR, Unified Person Attribute Recognition データセットについて述べる。 PA100k、PETA、RAPv2、Market1501の4つの有名な人物属性認識データセットに基づいている。 私たちは、12の属性カテゴリに対して、40の重要なバイナリ属性を調和させるために、3,3Mの追加アノテーションを提供することで、これらのデータセットを統一します。
  論文  参考訳（メタデータ） (2022-09-06T14:20:56Z)
• Fashionformer: A simple, Effective and Unified Baseline for Human Fashion Segmentation and Recognition [80.74495836502919]
  本研究では,共同ファッションセグメンテーションと属性認識に着目した。 本稿では,セグメンテーションのためのオブジェクトクエリと属性予測のための属性クエリを紹介する。 属性ストリームのために,よりきめ細かい特徴を探索する新しいマルチレイヤレンダリングモジュールを設計する。
  論文  参考訳（メタデータ） (2022-04-10T11:11:10Z)
• Dynamic Focus-aware Positional Queries for Semantic Segmentation [94.6834904076914]
  本稿では,動的焦点認識型位置情報クエリと呼ばれるセマンティックセグメンテーションのための,シンプルで効果的なクエリ設計を提案する。 我々のフレームワークはSOTAの性能を達成し、ResNet-50、Swin-T、Swin-Bのバックボーンによる1.1%、1.9%、および1.1%の単一スケールmIoUでMask2formerより優れています。
  論文  参考訳（メタデータ） (2022-04-04T05:16:41Z)

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。