論文の概要: Nereus: A Large-Scale Underwater Dataset for Fine-Grained Attribute Understanding and Grounded Counting Perception

• arxiv url: http://arxiv.org/abs/2610.41705v1
• Date: Fri, 30 Oct 2026 13:08:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.7519
• Title: Nereus: A Large-Scale Underwater Dataset for Fine-Grained Attribute Understanding and Grounded Counting Perception
• Title（参考訳）: Nereus: 微粒な属性理解と接地数知覚のための大規模地下水データセット
• Abstract要約: Nereusは、細粒度知覚のための大規模なデータセットで、細粒度物体属性理解と接地数知覚を共同でサポートする。 ネレウスには88Kの画像と2.68万の質問応答対があり、その中には2,690種と1,515属の海洋生物136Kのアノテーションが含まれ、65K点のアノテーションと67K接地されたQAペアが含まれる。
• 参考スコア（独自算出の注目度）: 14.15102888487675
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Underwater imagery records rich ecological information and supports applications such as science communication, fishery monitoring, ecological conservation, and oceanographic research. Beyond general scene understanding, these applications require models to recognize fine-grained biological traits and reason over spatially grounded evidence. However, existing underwater datasets often provide coarse category labels, generic captions, or total-count supervision, which limits their use for organism-level analysis and ecological reasoning. We introduce Nereus, a large-scale dataset for Underwater Fine-grained Perception that jointly supports Fine-Grained Object Attribute Understanding and Grounded Counting Perception. Nereus contains 88K images and 2.68M question-answer pairs, including annotations for 136K marine organism objects across 2,690 species and 1,515 genera, as well as 65K point annotations and 67K grounded counting QA pairs. Experiments with representative multimodal models show that Nereus improves downstream adaptation over existing underwater-domain data and provides a foundation for future research on fine-grained marine perception.
• Abstract（参考訳）: 水中画像は豊富な生態情報を記録し、科学コミュニケーション、漁業モニタリング、生態保全、海洋学研究などの応用を支援する。 一般的な場面理解以外にも、これらの応用には、きめ細かい生物学的特性と、空間的根拠に基づく証拠の理由を認識するモデルが必要である。 しかし、既存の水中データセットは、しばしば粗いカテゴリーラベル、一般的なキャプション、または総数監督を提供し、生物レベルの分析や生態学的推論に使用を制限する。 我々は,細粒度知覚のための大規模データセットNereusを紹介した。 ネレウスには88Kの画像と2.68万の質問応答対があり、その中には2,690種と1,515属の海洋生物136Kのアノテーションが含まれ、65K点のアノテーションと67K接地されたQAペアが含まれる。 代表的マルチモーダルモデルによる実験により、ネレウスは既存の水中ドメインデータに対する下流適応を改善し、海洋の微粒化知覚の研究の基盤となることが示されている。

関連論文リスト

• OceanPile: A Large-Scale Multimodal Ocean Corpus for Foundation Models [57.19693589926157]
  OceanPileは、海洋基盤モデル用に設計された大規模マルチモーダルコーパスである。 OceanCorpus、OceanInstruction、OceanBenchmarkの3つの重要なコンポーネントで構成されている。 すべてのデータセットは、海洋人工知能の分野を前進させるために公開されている。
  論文  参考訳（メタデータ） (2026-04-25T14:53:37Z)
• Exploring the Underwater World Segmentation without Extra Training [55.291219073365546]
  我々は,最初の大規模かつ微細な水中セグメンテーションデータセットである textbfAquaOV255 を紹介する。 トレーニング不要なOVセグメンテーションフレームワークである textbfEarth2Ocean も紹介する。
  論文  参考訳（メタデータ） (2025-11-11T07:22:56Z)
• NAUTILUS: A Large Multimodal Model for Underwater Scene Understanding [60.76337064425815]
  本研究では,水中の自動探査を目的とした水中シーン理解手法について検討する。 NautDataは、8つの水中シーン理解タスクをサポートする1.45Mイメージテキストペアを含むデータセットである。 本稿では,透明な水中情報を明示的に復元するVFEモジュールを提案する。
  論文  参考訳（メタデータ） (2025-10-31T14:00:35Z)
• UWBench: A Comprehensive Vision-Language Benchmark for Underwater Understanding [54.16709436340606]
  視覚言語モデル(VLM)は自然界の理解において顕著な成功を収めた。 水中画像は、厳しい光の減衰、色歪み、懸濁粒子散乱などの固有の課題を呈している。 水中視覚言語理解のためのベンチマークであるUWBenchを紹介する。
  論文  参考訳（メタデータ） (2025-10-21T03:32:15Z)
• Tree-Mamba: A Tree-Aware Mamba for Underwater Monocular Depth Estimation [85.17735565146106]
  水中単眼深度推定(UMDE)は水中劣化画像から高精度深度マップを推定することを目的とした重要な課題である。 我々は,水中の劣化画像から正確な単分子深度マップを推定するための,木を意識した新しいマンバ手法であるTree-Mambaを開発した。 海底深度推定ベンチマーク (BlueDepth) を構築し, 深度ラベルが信頼できる海底画像ペア38,162枚を構築した。
  論文  参考訳（メタデータ） (2025-07-10T12:10:51Z)
• Diving into Underwater: Segment Anything Model Guided Underwater Salient Instance Segmentation and A Large-scale Dataset [60.14089302022989]
  水中視覚タスクは複雑な水中状況のため、しばしばセグメンテーションの精度が低い。 第1次大規模水中塩分分節データセット(USIS10K)を構築した。 本研究では,水中ドメインに特化してセグメンツ・ア・シング・モデル(USIS-SAM)に基づく水中塩分・インスタンス・アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-06-10T06:17:33Z)
• BenthicNet: A global compilation of seafloor images for deep learning applications [25.466405216505166]
  BenthicNetは海底画像のグローバルコンパイルである。 最初の114万枚以上の画像が収集され、海底環境の多様性を表すためにキュレーションされた。 このコンパイルに基づいて大規模なディープラーニングモデルをトレーニングし,その予備的な結果から,大規模かつ小規模の画像解析タスクの自動化に有効であることが示唆された。
  論文  参考訳（メタデータ） (2024-05-08T17:37:57Z)
• Context-Driven Detection of Invertebrate Species in Deep-Sea Video [11.38215488702246]
  4つの水中基質と59種の水中無脊椎動物を時間的に局在させるためのベンチマークスイートについて検討した。 DUSIAは現在、ROVで30fpsで1080pで撮影された25の動画を10時間以上録画している。 いくつかのフレームには、無脊椎動物が興味を持つための正確な境界ボックスの位置がアノテートされている。
  論文  参考訳（メタデータ） (2022-06-01T18:59:46Z)
• A Realistic Fish-Habitat Dataset to Evaluate Algorithms for Underwater Visual Analysis [2.6476746128312194]
  我々は、DeepFishを大規模データセットでベンチマークスイートとして提示し、いくつかのコンピュータビジョンタスクのためのメソッドをトレーニングし、テストする。 このデータセットは、熱帯オーストラリアの海洋環境にある20の温帯生物から採取された約4万枚の画像で構成されている。 実験では,データセットの特徴を詳細に分析し,いくつかの最先端手法の性能評価を行った。
  論文  参考訳（メタデータ） (2020-08-28T12:20:59Z)

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。