論文の概要: GradCO: Behavior-Aware Gradient-Conflict Offloading for Text-Based Person Anomaly Search

• arxiv url: http://arxiv.org/abs/2610.37267v1
• Date: Tue, 27 Oct 2026 14:00:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.649602
• Title: GradCO: Behavior-Aware Gradient-Conflict Offloading for Text-Based Person Anomaly Search
• Title（参考訳）: GradCO: テキストベースの異常検索のための振る舞い対応のグラディエント・コンフリクト・オフロード
• Abstract要約: Person Anomaly Search (TPAS)は、外見と正常または異常な振る舞いの自然言語記述を用いて、ターゲット歩行者を検索する。 同一性、異なる振る舞いのハードネガティブは、粒度のアライメント中に勾配のコンフリクトを引き起こす。 3つの相補的なコンポーネントからなるGradCO(behavior-aware Gradient-Conflict Offloading)を提案する。
• 参考スコア（独自算出の注目度）: 23.660812894068684
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text-based Person Anomaly Search (TPAS) retrieves a target pedestrian using natural-language descriptions of appearance and normal or anomalous behavior. Unlike conventional text-based person retrieval, TPAS must preserve identity cues while distinguishing fine-grained behaviors. It presents two challenges: same-identity, different-behavior hard negatives cause gradient conflict during granular alignment, while strong appearance cues can obscure weak behavioral evidence during aggregation. We propose GradCO (behavior-aware Gradient-Conflict Offloading), comprising three complementary components. Behavior-Aware Mixture-of-Experts (B-MoE) forms appearance, normal-behavior, and anomalous-behavior streams whose roles are learned from retrieval objectives without expert-specific semantic labels. Conflict Offload Learning (COL) uses pair-conditioned offload anchors in similarity computation to reduce the conflicting-gradient burden on the main text representations. Hierarchical Intent Alignment (HIA) aggregates expert similarities and features using query-conditioned weights. Experiments on five TPAS/TIPR benchmarks show GradCO significantly surpasses SOTA methods and validate our design.
• Abstract（参考訳）: テキストベースPerson Anomaly Search (TPAS)は、外観と正常または異常な振る舞いの自然言語記述を用いて、ターゲット歩行者を検索する。 従来のテキストベースの人物検索とは異なり、TPASは細かい振る舞いを区別しながらアイデンティティーの手がかりを保存する必要がある。 同一性、異なる振る舞いの硬い負は、粒度のアライメント中に勾配のコンフリクトを引き起こすが、強い外観の手がかりは凝集中の行動証拠を弱める可能性がある。 3つの相補的なコンポーネントからなるGradCO(behavior-aware Gradient-Conflict Offloading)を提案する。 B-MoE(Behavior-Aware Mixture-of-Experts)は、専門家固有のセマンティックラベルを使わずに、検索対象から役割を学習する外観、正常行動、異常行動ストリームを形成する。 Conflict Offload Learning (COL)は、ペア条件のオフロードアンカーを類似性計算に用いて、メインテキスト表現における競合の緩やかな負担を軽減する。 Hierarchical Intent Alignment (HIA)は、クエリ条件付き重みを使って専門家の類似点と特徴を集約する。 5つのTPAS/TIPRベンチマーク実験により、GradCOはSOTA法を大幅に上回り、我々の設計を検証した。

関連論文リスト

• ConflictGuide: AutoResearch Improves When Competing Behaviors Are Made Visible [25.026452789882587]
  LLMベースのAutoResearchシステムは、モデルコードを反復的に編集し、スカラーなタスクパフォーマンスフィードバックに基づいて編集を保持する。 スカラーフィードバックは検索の初期段階で広い探索を支援するが、編集が競合する動作にどのように影響するかは明らかになっていない。 一致した予算実験では、タスクゲインが減少するにつれて競合行動フィードバックを導入することで、両方の行動を改善する提案の共有が増加する。
  論文  参考訳（メタデータ） (2026-09-30T15:17:21Z)
• Aligned Consensus Teaching for Label-Efficient Oriented Object Detection in Weakly-Aligned Visible-Infrared Imagery [69.65321798954088]
  Visible-Infrared Object Detection (VIOD)は、対の可視画像と赤外線画像から、向き付けられたバウンディングボックスを持つ物体を検出する。 本研究では, ラベル効率の高いVIODのためのアラインド・コンセンサス・インスツルメンツ(ACT)を提案する。 コードとモデルはGitHubで公開され、今後の作業が容易になる。
  論文  参考訳（メタデータ） (2026-09-16T04:59:37Z)
• Human Label Variation as Stable Signal: Learning Annotator-Specific Explanation Behavior via Cross-Annotator Preference Optimization [51.93456979139756]
  自由文の説明は、ラベルの不一致を超えて人間のラベルのバリエーションを拡大する。 このようなアノテータ固有のラベル説明動作を,大規模言語モデルで学習し,再現できるかどうかを検討する。
  論文  参考訳（メタデータ） (2026-05-27T17:55:00Z)
• Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
  カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。 既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。 動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-25T09:57:46Z)
• Hierarchical Semantic Correlation-Aware Masked Autoencoder for Unsupervised Audio-Visual Representation Learning [3.055416693231887]
  本稿では,3つの相補的な表現レベルにまたがって意味的一貫性を強制する2経路教師学生フレームワークを提案する。 AVEとVEGASの実験では、強い教師なしベースラインよりも大幅にmAPが改善された。
  論文  参考訳（メタデータ） (2026-04-05T19:08:51Z)
• Unsupervised Robust Cross-Lingual Entity Alignment via Neighbor Triple Matching with Entity and Relation Texts [17.477542644785483]
  言語間エンティティアライメント(EA)は、異なる言語間での複数の知識グラフ(KG)の統合を可能にする。 近隣の3重マッチング戦略により、エンティティレベルとリレーレベルアライメントを共同で実行するEAパイプライン。
  論文  参考訳（メタデータ） (2024-07-22T12:25:48Z)
• Hybrid Relation Guided Set Matching for Few-shot Action Recognition [51.3308583226322]
  本稿では,2つの鍵成分を組み込んだHybrid Relation Guided Set Matching (HyRSM) 手法を提案する。 ハイブリッドリレーションモジュールの目的は、エピソード内の関連関係とクロスビデオの完全活用により、タスク固有の埋め込みを学習することである。 我々は,HyRSMを6つの挑戦的ベンチマークで評価した。
  論文  参考訳（メタデータ） (2022-04-28T11:43:41Z)
• Dynamic Semantic Matching and Aggregation Network for Few-shot Intent Detection [69.2370349274216]
  利用可能な注釈付き発話が不足しているため、インテント検出は困難である。 セマンティック成分はマルチヘッド自己認識によって発話から蒸留される。 本手法はラベル付きインスタンスとラベルなしインスタンスの両方の表現を強化するための総合的なマッチング手段を提供する。
  論文  参考訳（メタデータ） (2020-10-06T05:16:38Z)
• GRACE: Gradient Harmonized and Cascaded Labeling for Aspect-based Sentiment Analysis [90.43089622630258]
  本稿では、これらの問題を解決するために、GRACE(GRadient hArmonized and CascadEd labeling model)を提案する。 提案モデルでは,複数のベンチマークデータセットの整合性向上を実現し,最先端の結果を生成する。
  論文  参考訳（メタデータ） (2020-09-22T13:55:34Z)

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。