論文の概要: SSQA: Sibling-Selective Quadtree Attention for Hierarchical Modeling in Perception Tasks

• arxiv url: http://arxiv.org/abs/2610.38320v1
• Date: Wed, 28 Oct 2026 06:14:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-03 18:18:23.229272
• Title: SSQA: Sibling-Selective Quadtree Attention for Hierarchical Modeling in Perception Tasks
• Title（参考訳）: SSQA:知覚タスクにおける階層的モデリングのための兄弟選択クアドツリーアテンション
• Abstract要約: ドローンなどの空中プラットフォームを含むロボティクスにおけるナビゲーションの知覚タスクは、本質的に構造化されている。 画像トークンを階層的に構造化されたフルクアッドツリーとしてモデル化するシブリング選択クアッドツリーアテンション(SSQA)を提案する。 いくつかのタスクにまたがってベンチマークを行った結果、計算コストのごく一部において、少なくとも良い結果を得ることができた。
• 参考スコア（独自算出の注目度）: 18.933485850909058
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Perception tasks for navigation in robotics, including aerial platforms such as drones and autonomous driving systems, are inherently structured. Drone-mounted cameras typically capture sky above, terrain below, and obstacles or man-made structures in between, while driving data often contains organized road layouts, lane markings, and surrounding agents. Motivated by these axis-aligned structural priors, we note that such information is typically more structured than in generic image tasks. We hypothesize that processing information in a quadtree-esque manner can not only model features effectively in a hierarchical manner, but also offers an efficient linear-time alternative to vanilla attention mechanisms, which run in quadratic time. In this paper, we propose Sibling-Selective Quadtree Attention (SSQA), which models image tokens hierarchically as a structured, full quadtree. We show analytical complexity analysis that guarantees linear-time feature modeling, in addition to empirical experiments comparing inference speeds with other popular modeling approaches, such as Mamba 2 and Quadtree Attention. Our results, benchmarked across several tasks, show that we achieve results at least as good, if not notably better, as others at a fraction of the computational costs.
• Abstract（参考訳）: ドローンや自律走行システムなどの航空プラットフォームを含むロボティクスにおけるナビゲーションの知覚タスクは、本質的に構造化されている。 ドローンに搭載されたカメラは、通常、上の空、下の地形、障害物や人造構造物を捉え、運転データには、組織化された道路配置、車線標識、周囲のエージェントが含まれる。 これらの軸方向の構造的前提により、そのような情報は一般的に一般的な画像タスクよりも構造化されていることに注意する。 クワッドツリー的な方法での処理情報は,特徴を階層的に効果的にモデル化するだけでなく,2次時間で動作するバニラアテンション機構に代わる効率的な線形時間的代替手段を提供する,という仮説を立てる。 本稿では,画像トークンを階層的に構造化されたフルクアッドツリーとしてモデル化するシブリング選択クアッドツリー注意(SSQA)を提案する。 本稿では,線形時間特徴モデリングを保証する解析的複雑性解析と,推論速度とMamba 2 や Quadtree Attention といった他の一般的なモデリング手法との比較実験について述べる。 いくつかのタスクにまたがってベンチマークを行った結果、計算コストのごく一部において、少なくとも良い結果を得ることができた。

関連論文リスト

• PoseDriver: A Unified Approach to Multi-Category Skeleton Detection for Autonomous Driving [72.70946892443236]
  PoseDriverは、駆動シナリオで一般的なオブジェクトに合わせたボトムアップのマルチカテゴリスケルトン検出のための統合フレームワークである。 骨格表現に基づく車線検出のための新しい手法を提案し,OpenLaneデータセット上での最先端性能を実現する。 自転車の骨格検出のための新しいデータセットを提案し,新しいカテゴリーへのフレームワークの転送性を評価する。
  論文  参考訳（メタデータ） (2026-03-24T13:56:35Z)
• Efficient Sequential Neural Network with Spatial-Temporal Attention and Linear LSTM for Robust Lane Detection Using Multi-Frame Images [3.8825198843426345]
  レーン検出は、自動走行車(AV)と先進運転支援システムにとって重要な認識課題である。 現行の手法では、正確で堅牢でリアルタイムに車線検出を実現するための汎用性が欠如している。 本研究では,車線の重要な特徴に焦点をあてる空間的注意機構を備えた新しい逐次ニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2026-02-03T15:51:29Z)
• Scaling Up Occupancy-centric Driving Scene Generation: Dataset and Method [54.461213497603154]
  作業中心の手法は、最近、フレームとモダリティをまたいだ一貫した条件付けを提供することで、最先端の結果を得た。 Nuplan-Occは、広く使われているNuplanベンチマークから構築された、これまでで最大の占有率データセットである。 高品質な占有、多視点ビデオ、LiDAR点雲を共同で合成する統合フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-10-27T03:52:45Z)
• PatchTraj: Unified Time-Frequency Representation Learning via Dynamic Patches for Trajectory Prediction [14.48846131633279]
  軌道予測のための時間周波数ジョイントモデリングを統合した動的パッチベースのフレームワークを提案する。 具体的には、軌道を生の時間列と周波数成分に分解し、動的パッチ分割を用いてマルチスケールセグメンテーションを行う。 その結果、拡張された埋め込みは強力な表現力を示し、バニラアーキテクチャを使用した場合でも正確な予測を可能にする。
  論文  参考訳（メタデータ） (2025-07-25T09:55:33Z)
• Comparing a composite model versus chained models to locate a nearest visual object [0.6882042556551609]
  地理画像やテキストから情報を抽出するための,適切な人工知能ニューラルネットワークモデルの選択について検討する。 その結果,これらの2つのアーキテクチャは,根平均二乗誤差(RMSE)が0.055,0.056であった。 タスクをサブタスクに分解できる場合、チェーンアーキテクチャは、複合モデルと比較してトレーニング速度が12倍に向上する。
  論文  参考訳（メタデータ） (2023-06-02T13:58:59Z)
• Unifying Flow, Stereo and Depth Estimation [121.54066319299261]
  本稿では3つの動作と3次元知覚タスクのための統一的な定式化とモデルを提案する。 これら3つのタスクを、統一された高密度対応マッチング問題として定式化する。 我々のモデルは、モデルアーキテクチャとパラメータがタスク間で共有されているため、自然にクロスタスク転送を可能にします。
  論文  参考訳（メタデータ） (2022-11-10T18:59:54Z)
• Believe The HiPe: Hierarchical Perturbation for Fast and Robust Explanation of Black Box Models [16.96589831045415]
  サリエンシーマッピングは容易に解釈できる視覚的帰属法である。 モデル予測を説明するための非常に高速で完全にモデルに依存しない手法である階層摂動を提案する。 標準のベンチマークとデータセットを使用して、サリエンシーマップが既存のブラックボックスメソッドで生成されたものよりも競争力のある品質または優れた品質であることを示します。
  論文  参考訳（メタデータ） (2021-02-22T18:22:56Z)
• Towards Automated Neural Interaction Discovery for Click-Through Rate Prediction [64.03526633651218]
  CTR(Click-Through Rate)予測は、レコメンダシステムにおいて最も重要な機械学習タスクの1つである。 本稿では,AutoCTR と呼ばれる CTR 予測のための自動インタラクションアーキテクチャ探索フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-29T04:33:01Z)

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。