論文の概要: Resolve, Clear, or Defer: Training-Free Active Prototype Triage for Ecological Detection Pipelines

• arxiv url: http://arxiv.org/abs/2611.01466v2
• Date: Wed, 04 Nov 2026 18:07:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.289959
• Title: Resolve, Clear, or Defer: Training-Free Active Prototype Triage for Ecological Detection Pipelines
• Title（参考訳）: Resolve, Clear, or Defer: 生態検出パイプラインのためのトレーニング不要なアクティブプロトタイプトライアージ
• Abstract要約: 生態モニタリングは、大規模な画像収集を生成するカメラトラップや空中調査にますます依存している。 ハイリコールされた動物検出装置は、候補動物を大規模にローカライズすることができるが、専門家のレビューを必要とする多くの検出も生成する。 本稿では,再検討された検出が再利用可能な証拠となる,トレーニング不要なアクティブプロトタイプトリアージを提案する。
• 参考スコア（独自算出の注目度）: 24.595813646010157
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ecological monitoring increasingly relies on camera traps and aerial surveys that generate large image collections. High-recall animal detectors can localize candidate animals at scale. However, they also produce many detections that still require expert review, including false positives, ambiguous cases, and animals difficult to identify at the species level. Since exhaustive review requires substantial effort, we propose training-free active prototype triage, where reviewed detections become reusable evidence to (1) Resolve supported foreground classes, (2) Clear likely background false positives, or (3) Defer insufficiently supported cases for expert review. Across camera-trap and aerial datasets, foreground recognition and false-positive rejection benefit from different pretrained representations: BioCLIP2 provides foreground evidence while DINOv3 provides background evidence, reducing erroneous foreground clearing while improving automatic foreground recovery. Deferring unsupported cases avoids the higher error rates caused by forced decisions. Compared with confidence-thresholded multiclass k-NN and uncertainty-sampling logistic regression, prototype triage improves foreground recovery while maintaining competitive or lower review burden. Acquisition goes beyond class discovery: even after classes are represented, prototype choice determines how reliably evidence propagates through the remaining detections. Our results suggest that once animal localization reaches high recall, the challenge shifts from finding animals to deciding which examples to review, how to reuse them, and when evidence does not support an automatic decision.
• Abstract（参考訳）: 生態モニタリングは、大規模な画像収集を生成するカメラトラップや空中調査にますます依存している。 ハイリコール動物検出器は、候補動物を大規模にローカライズすることができる。 しかし、彼らはまた、偽陽性、曖昧なケース、種レベルでの識別が難しい動物など、まだ専門家によるレビューを必要とする多くの発見を生み出している。 総合的な検証にはかなりの努力を要するため,(1)見返り検出が再利用可能な証拠となり,(1)支援された前景階級の解消,(2)背景的偽陽性の明確化,(3)専門家のレビューで不十分に支援された事例の発見等が提案される。 BioCLIP2は前景の証拠を提供し、DINOv3は背景の証拠を提供し、誤った前景のクリア化を低減し、自動前景の回復を改善します。 Deferring supports case is avoid the higher error rate caused by forced decision。 信頼性保持型マルチクラスk-NNや不確実性サンプリングロジスティック回帰と比較して、プロトタイプトリアージは、競争的あるいは低いレビュー負担を維持しながら、前景回復を改善する。 クラスが表現された後も、プロトタイプの選択は、残りの検出によって確実に証拠が伝播するかどうかを決定する。 以上の結果から,動物局所化が高いリコールに達すると,その課題は,動物発見から,どの例をレビューするか,どのように再利用するか,そして証拠が自動的な判断を支持できない場合へと移行することが示唆された。

関連論文リスト

• VerdictAD: Few-Shot Anomaly Detection via Decision-Guided Refinement [64.96691084133998]
  既存の異常検知器を視覚的決定によって洗練する,トレーニング不要のフレームワークであるVerdictADを紹介した。 既存の検出器を置き換える代わりに、VerdictADでは、クエリイメージとそのローカルリージョンを評価するための型付き決定モデルを採用している。 Global Verdict Refinement (GVR)は画像レベルの決定を使用して全体の異常スコアを洗練し、Local Verdict Refinement (LVR)は局所的な決定を集約して異常マップを洗練させる。
  論文  参考訳（メタデータ） (2026-11-02T07:15:42Z)
• When Reconstruction Is Not Enough: Doubly Robust Counterfactual and Interventional Mediation Analysis with Learned Multimodal Representations [1.7451495547398679]
  代替治療下での対実的結果について検討する。 我々は、介入の仲介が対実比較よりも要求されていることを示す。 推定サンプルの外部で訓練されたモダリティ固有の変分オートエンコーダを組み合わせたワークフローを提案する。
  論文  参考訳（メタデータ） (2026-10-21T16:22:52Z)
• SafeRestore: Detector-Relative Risk Certificates for Selective Industrial Image Restoration [4.906746849209501]
  産業用検査パイプラインは、検出器が作用する前に測定画像を復元することが多いが、修復は検出器が支持する欠陥構造を抑えるか、クリーン領域の活性化を生成することができる。 本研究は, ディスプレイ上の選択的動作問題, 5つの復元候補, レビューとして復元を定式化する。 SafeRestoreは、アクション固有の適合スコアで候補をランク付けし、しきい値調整データ上でゲートを選択し、一方の正確な2つの二項境界を持つ不一致認定サンプル上で固定ゲートを評価する。
  論文  参考訳（メタデータ） (2026-09-03T07:32:42Z)
• Perception, Verdict, and Evolution: Hindsight-Driven Self-Refining Forensics Agent for AI-Generated Image Detection [80.15317858033534]
  ForeAgentは、反復的な自己進化を伴うAI生成画像検出のためのエージェント法医学フレームワークである。 ForeAgentはChameleonベンチマークで最先端のパフォーマンスを達成し、精度は82.18%に達した。 ForeAgent は GPT-5 や GPT-5-mini と比較して、より一貫性があり、因果的な推論をもたらす。
  論文  参考訳（メタデータ） (2026-06-25T02:59:33Z)
• FIKA-Bench: From Fine-grained Recognition to Fine-Grained Knowledge Acquisition [54.31138496553705]
  日常生活におけるきめ細かい認識は、しばしばクローズドブックの分類問題ではない。 既存のベンチマークは主に視覚的認識を評価しており、このアクティブな外部知識獲得能力は過小評価されている。 そこでは,システムが外部の証拠を探し,検証し,利用し,オープンエンドのきめ細かい認識質問に答えなければならない,きめ細かな知識獲得について検討する。
  論文  参考訳（メタデータ） (2026-05-13T08:49:51Z)
• An Automated Pipeline for Few-Shot Bird Call Classification: A Case Study with the Tooth-Billed Pigeon [0.6282171844772422]
  本稿では,BirdNETやPerchのような大規模公開分類器から欠落した希少種を対象としたワンショットバードコール自動分類パイプラインを提案する。 我々は,大型鳥類分類網の埋め込み空間を活用し,コサイン類似性を用いた分類器を開発し,フィルタリングと事前処理技術を組み合わせた。 最終モデルは1.0リコールと0.95の精度で歯を磨いたハトの鳴き声を検知し、現場での使用が現実的になった。
  論文  参考訳（メタデータ） (2025-04-22T21:21:41Z)
• A Recover-then-Discriminate Framework for Robust Anomaly Detection [46.32260480448735]
  異常検出(AD)は近年,幅広いシナリオで広く研究され,応用されている。 実用的なアプリケーションのためにADを作成するために、達成されたものと望ましいレベルの認識精度の間にはまだギャップがある。 本稿では,ADのための新しいRecover-then-Discriminate(ReDi)フレームワークを提案する。 ReDiは、自己生成された特徴マップと選択されたインプットイメージを明示的な入力情報として取り込んで、ケース1の問題を解決する。 同時に,検索した表現と入力表現の異常な差異を高めるために,特徴レベルの識別ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-06-07T03:34:16Z)
• Augment and Criticize: Exploring Informative Samples for Semi-Supervised Monocular 3D Object Detection [64.65563422852568]
  我々は、一般的な半教師付きフレームワークを用いて、難解な単分子3次元物体検出問題を改善する。 我々は、ラベルのないデータから豊富な情報的サンプルを探索する、新しい、シンプルで効果的なAugment and Criticize'フレームワークを紹介します。 3DSeMo_DLEと3DSeMo_FLEXと呼ばれる2つの新しい検出器は、KITTIのAP_3D/BEV(Easy)を3.5%以上改善した。
  論文  参考訳（メタデータ） (2023-03-20T16:28:15Z)
• Few-shot Forgery Detection via Guided Adversarial Interpolation [56.59499187594308]
  既存の偽造検出手法は、見知らぬ新しい偽造手法に適用した場合、大幅な性能低下に悩まされる。 本稿では,数発の偽造検出問題を克服するために,GAI(Guid Adversarial Interpolation)を提案する。 我々の手法は、多数派と少数派の偽造アプローチの選択に対して堅牢であることが検証されている。
  論文  参考訳（メタデータ） (2022-04-12T16:05:10Z)

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。