論文の概要: ContactCut: A Partition-Aware Contact Selection Framework for False-Merge Correction in Connectomics
- arxiv url: http://arxiv.org/abs/2611.01457v1
- Date: Sun, 01 Nov 2026 02:46:25 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-03 20:05:48.327613
- Title: ContactCut: A Partition-Aware Contact Selection Framework for False-Merge Correction in Connectomics
- Title（参考訳）: ContactCut:コネトミクスにおける偽量補正のための分割対応コンタクト選択フレームワーク
- Abstract要約: コネトミクスにおける局所的な偽マージ補正では、特定されたエラーをネイティブな3Dパーティションに変換する必要がある。
本稿では,この問題を3次元分割対応接触選択問題として定式化する。
本ソリューションは,学習した単一接触選択を利用するContactCut (CC)-Autoと,境界付きペア接触探索を可能にするContactCut (CC)-Searchの2つのコンポーネントからなる。
- 参考スコア（独自算出の注目度）: 8.925520655789411
- License:
- Abstract: Localized false-merge correction in connectomics requires converting an identified error into an executable native 3D partition. Still, neither intermediate correction predictions nor seeded graph solvers alone determine which native source-sink constraints should define that partition. We formulate this problem as a 3D-native partition-aware contact selection problem: selecting candidate contacts based on the complete partitions they induce. Our solution comprises two components: ContactCut (CC)-Auto, which uses learned single-contact selection, and ContactCut (CC)-Search, which enables bounded paired-contact search, generates compact alternatives, and applies learned panel ranking. On historical two-way false-merge corrections from MICrONS and FlyWire, CC-Auto improves failure-aware 3D partition (FA-3D Part.) mIoU by 5.9 and 3.4 points over the strongest graph-based controls and by 12.5 and 10.0 points over the best learned baselines. A MICrONS-trained ranker transfers to FlyWire with negligible degradation. CC-Search expands oracle reachability and prioritizes near-oracle alternatives. The code is available at https://github.com/bentake/ContactCut.
- Abstract（参考訳）: コネトミクスにおける局所的な偽マージ補正では、特定されたエラーをネイティブな3Dパーティションに変換する必要がある。
それでも、中間補正予測やシードグラフソルバだけで、どのネイティブソースシンク制約を定義するべきかは決定できない。
本稿では,この問題を3次元分割対応接触選択問題として定式化し,それらが引き起こす完全分割に基づいて候補接触を選択する。
提案ソリューションは,学習した単一接触選択を利用するContactCut (CC)-Autoと,境界付きペア接触探索を可能にするContactCut (CC)-Searchと,コンパクトな代替品を生成するための学習パネルランキングを適用する。
MICrONSとFlyWireの歴史的二方向の偽マージ補正では、CC-Autoは失敗を意識した3Dパーティション(FA-3D Part.)mIoUを最強のグラフベースコントロールで5.9と3.4ポイント、最高の学習ベースラインで12.5と10.0ポイント改善している。
MICrONSで訓練されたローダは、無視できる劣化でFlyWireに転送される。
CC-Searchはオラクルのリーチビリティを拡張し、ニアオークルの代替品を優先する。
コードはhttps://github.com/bentake/ContactCut.comで入手できる。
関連論文リスト
- Correct but Unselectable: The Hidden Interface Tax in Multi-Candidate Reasoning [10.45417197978482]
正しい解答は候補プールに現れるが、不完全、不完全、あるいは固定されたセレクタが期待する解答モードに一致しないため、選択されない。
提案するCACC(Compatibility-Aware Candidate Construction)は,フラグメントを修復し,応答モードを整列し,いずれのコンポーネントも再学習せずにセレクタの畳み込みノイズを除去する,固定セレクタと候補ソースのインタフェース層である。
論文 参考訳（メタデータ） (2026-10-23T06:45:07Z) - Parallel AI Agent Collaboration as Graph-Structured Distributed Block Optimization [51.43213415859029]
並列AIエージェントは、有効なローカル編集を生成できるが、編集が組み合わされた場合、共有ソリューションを分解できることが示される。
独立集合は、同じ現在の解に対して測定された検証されたゲインが正確に加算された互換性のある編集を認証する。
最適な分数カラー化は、検証された局所改善の合計の1/f(G)=1/f(G)の分数を保持する合併をもたらすことを証明している。
論文 参考訳（メタデータ） (2026-10-21T17:27:17Z) - CoordRefer: Coordinate-Aware 3D Visual Grounding from Multiview Images [16.527170372311883]
CoordReferは、座標条件付きグラウンドから座標フレームの選択を分離する、座標対応フレームワークである。
Qwen3-VL-2BのScanReferでは、CoordReferはAcc@0.25で11%、Acc@0.5で7%の上昇を達成した。
論文 参考訳（メタデータ） (2026-08-06T03:40:17Z) - Learned Pairwise Deep Dual-Optimal Inequalities for Stabilizing Column Generation [14.46729903150912]
L-PDDOIs(Learled pairwise Deep-optimal inequality)は、二変数間のペアワイズ順序を予測し、主問題に直接組み込む学習フレームワークである。
予測された関係間の競合や冗長性はパフォーマンスを損なう可能性があるため、グラフベースの後処理フィルタはデプロイ前に設定された候補を圧縮する。
静電容量化車両ルーティング問題と時間窓による車両ルーティング問題の主なテストセットでは、L-PDDOIの直接展開により、それぞれ平均ルートCG時間を89.7%、93.9%削減する。
論文 参考訳（メタデータ） (2026-07-15T01:35:16Z) - COMPOSE: Hypergraph Cover Optimization for Multi-view 3D Human Pose Estimation [58.47973015036709]
スパース多視点からの3次元ポーズ推定は、行動認識、スポーツ分析、人間とロボットの相互作用にとって重要な課題である。
ハイパーグラフ問題として多視点ポーズ対応マッチングを定式化する新しいフレームワークComposEを提案する。
COMPOSEは,従来の最適化手法よりも平均23%,自己教師付きエンドツーエンド学習手法より最大11%の精度向上を実現している。
論文 参考訳（メタデータ） (2026-01-14T18:50:17Z) - FACT: Multinomial Misalignment Classification for Point Cloud Registration [1.256245863497516]
本稿では,登録ライダー点雲対のアライメント品質(登録誤差)を予測するためのFACTを提案する。
FACTは、登録されたペアからローカル特徴を抽出し、ポイントトランスフォーマーベースのネットワークで処理し、ミスアライメントクラスを予測する。
論文 参考訳（メタデータ） (2025-04-09T07:01:57Z) - Train Till You Drop: Towards Stable and Robust Source-free Unsupervised 3D Domain Adaptation [62.889835139583965]
本研究では,3次元セマンティックセグメンテーションのための非教師なし領域適応(SFUDA)の問題に取り組む。
ソースデータにアクセスすることなく、ラベルのないターゲットドメインでドメイン適応を実行する。
既存のSFUDAアプローチの一般的な問題は、あるトレーニング時間後にパフォーマンスが低下することです。
論文 参考訳（メタデータ） (2024-09-06T17:13:14Z) - Cell Graph Transformer for Nuclei Classification [78.47566396839628]
我々は,ノードとエッジを入力トークンとして扱うセルグラフ変換器(CGT)を開発した。
不愉快な特徴は、騒々しい自己注意スコアと劣等な収束につながる可能性がある。
グラフ畳み込みネットワーク(GCN)を利用して特徴抽出器を学習する新しいトポロジ対応事前学習法を提案する。
論文 参考訳（メタデータ） (2024-02-20T12:01:30Z) - TCT: Convexifying Federated Learning using Bootstrapped Neural Tangent
Kernels [141.29156234353133]
最先端の凸学習手法は、クライアントが異なるデータ分布を持つ場合、集中型よりもはるかにパフォーマンスが劣る。
我々は、この格差は、非NISTityが提示した課題に大きく起因していることを示す。
本稿では,Train-Convexify Neural Network (TCT) 手法を提案する。
論文 参考訳（メタデータ） (2022-07-13T16:58:22Z) - Registration of 3D Point Sets Using Correntropy Similarity Matrix [1.4699455652461724]
この研究は、3Dポイントセットの登録やアライメントに焦点を当てている。
そこで我々は,Correntropy Relation Matrixを導入する標準ICPアルゴリズムの変種を提案する。
読者が私たちのアプローチを検証するために、私たちのコードをリポジトリにアップロードしました。
論文 参考訳（メタデータ） (2021-07-20T18:56:22Z) - CorrNet3D: Unsupervised End-to-end Learning of Dense Correspondence for
3D Point Clouds [48.22275177437932]
本稿では,3次元形状間の密接な対応を点雲形式で計算する問題に対処する。
CorrNet3Dは、教師なしでエンドツーエンドのディープラーニングベースのフレームワークです。
論文 参考訳（メタデータ） (2020-12-31T14:55:51Z)
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。