Fugu-MT 論文翻訳(概要): Gradient-Guided Orientation Learning for Weakly Supervised Oriented Object Detection

論文の概要: Gradient-Guided Orientation Learning for Weakly Supervised Oriented Object Detection

arxiv url: http://arxiv.org/abs/2611.04616v1
Date: Tue, 03 Nov 2026 10:07:49 GMT
ステータス: 翻訳完了
システム内更新日: 2026-11-09 14:47:25.576023
Title: Gradient-Guided Orientation Learning for Weakly Supervised Oriented Object Detection
Title（参考訳）: 弱教師付きオブジェクト指向物体検出のためのグラディエントガイド指向学習
Abstract要約: 弱教師付きオブジェクト指向物体検出のための勾配誘導型指向性学習戦略を提案する。提案手法は,対象領域から支配的な勾配に基づく配向手がかりを抽出し,それらを擬似角ラベルに変換して補助監督を行う。弱教師付き指向検出ベンチマークの実験により,提案手法は検出性能と方向推定品質の両方を向上することを示した。
参考スコア（独自算出の注目度）: 2.8990593092355073
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Weakly supervised oriented object detection (WS-OOD) aims to reduce the annotation cost of rotated bounding boxes by leveraging cheaper annotations such as horizontal boxes or points. However, these weak annotations provide no explicit orientation information, forcing existing methods to infer object angles through indirect geometric consistency or equivariant constraints. Such indirect supervision often becomes ambiguous and unstable under real-world appearance variations, including illumination changes, color shifts, shadows, and background clutter. In this paper, we present a simple yet effective gradient-guided orientation learning strategy for WS-OOD. Motivated by the observation that the input image itself contains useful orientation priors, our method extracts dominant gradient-based orientation cues from object regions and converts them into pseudo-angle labels for auxiliary supervision, enabling the detector to learn orientation-aware representations without requiring rotated bounding box annotations or extra learnable parameters. Furthermore, since AP can mask substantial angular errors when spatial IoU remains high, we introduce an orientation-aware evaluation metric that incorporates angular discrepancies into the standard AP protocol. Extensive experiments on weakly supervised oriented detection benchmarks demonstrate that the proposed pseudo-angle supervision improves both detection performance and orientation estimation quality, while the proposed metric provides a more faithful assessment of angle prediction than conventional AP alone.
Abstract（参考訳）: 弱教師付きオブジェクト指向オブジェクト検出(WS-OOD)は、水平ボックスやポイントなどのより安価なアノテーションを活用することにより、回転するバウンディングボックスのアノテーションコストを削減することを目的としている。しかし、これらの弱いアノテーションは明示的な配向情報を提供しておらず、既存の手法は間接幾何学的整合性や等変制約によって対象の角度を推論せざるを得ない。このような間接的な監視は、照明の変化、色の変化、影、背景のぼやけなど、現実世界の外観の変化の下で曖昧で不安定になることが多い。本稿では、WS-OODのための簡易かつ効果的な勾配誘導型指向性学習戦略を提案する。本手法は,入力画像自体が有用な配向先行値を含むことを観察することによって,対象領域から支配的勾配に基づく配向キューを抽出し,補助的な監督のために擬似角度ラベルに変換することにより,転向ボックスアノテーションや余分な学習可能なパラメータを必要とせずに,配向認識表現を学習できるようにする。さらに,空間IoUが高い場合,APは相当な角度誤差を隠蔽できるため,標準のAPプロトコルに角のずれを組み込んだ方向対応評価指標を導入する。弱教師付き指向性検出ベンチマークの広範囲な実験により、提案手法は検出性能と方向推定品質の両方を改善する一方、提案手法は従来のAP単独よりも、より忠実に角度予測を評価できることを示した。

関連論文リスト

Gradient Short-Circuit: Efficient Out-of-Distribution Detection via Feature Intervention [19.580332929984028]
Out-of-Distribution (OOD)検出は、オープンワールド環境でディープモデルを安全にデプロイするために重要である。本稿では,これらの特徴座標をショートサーキットでショートサーキットし,スプリアス勾配を利用する推論段階手法を提案する。標準OODベンチマークの実験では、我々のアプローチは大幅に改善されている。
論文参考訳（メタデータ） (2025-07-02T07:18:09Z)
Structure Tensor Representation for Robust Oriented Object Detection [15.991918116818807]
オブジェクト指向オブジェクト検出は、オブジェクトの位置とバウンディングボックスに加えて、向きを予測する。正確な方向予測は、角周期性のため難しいままである。本稿では,配向境界箱の向きを構造テンソルとして表現することを提案する。
論文参考訳（メタデータ） (2024-11-15T09:29:47Z)
SOOD: Towards Semi-Supervised Oriented Object Detection [57.05141794402972]
本稿では, 主流の擬似ラベリングフレームワーク上に構築された, SOOD と呼ばれる, 半教師付きオブジェクト指向物体検出モデルを提案する。提案した2つの損失をトレーニングした場合,SOODはDOTA-v1.5ベンチマークの様々な設定下で,最先端のSSOD法を超越することを示した。
論文参考訳（メタデータ） (2023-04-10T11:10:42Z)
ARS-DETR: Aspect Ratio-Sensitive Detection Transformer for Aerial Oriented Object Detection [55.291579862817656]
既存のオブジェクト指向オブジェクト検出手法では、モデルの性能を測定するために計量AP$_50$が一般的である。我々は、AP$_50$は本来、角度偏差に大きな耐性があるため、オブジェクト指向物体検出には適さないと主張している。本稿では,ARS-DETR(Aspect Ratio Sensitive Oriented Object Detector with Transformer)を提案する。
論文参考訳（メタデータ） (2023-03-09T02:20:56Z)
UIA-ViT: Unsupervised Inconsistency-Aware Method based on Vision Transformer for Face Forgery Detection [52.91782218300844]
そこで我々は、UIA-ViTと呼ばれるビジョン変換器に基づく教師なし不整合認識手法を提案する。自己注意機構により、パッチ埋め込み間の注意マップは自然に一貫性関係を表現し、一貫性表現学習に適した視覚変換器となる。
論文参考訳（メタデータ） (2022-10-23T15:24:47Z)
Learning Oriented Remote Sensing Object Detection via Naive Geometric Computing [38.508709334835316]
本稿では,水平提案の回帰,オブジェクト指向提案,物体の回転角を一貫した方法で学習する機構を提案する。提案するアイデアはシンプルで直感的であり、容易に実装できる。
論文参考訳（メタデータ） (2021-12-01T13:58:42Z)
Oriented RepPoints for Aerial Object Detection [10.818838437018682]
本稿では,オブジェクト指向RepPointsという,空中物体検出のための新しい手法を提案する。具体的には、任意指向オブジェクトの幾何学的および空間的情報を取得するために、適応点の集合を用いることを提案する。教師付き学習を容易にするために,適応点を配向境界ボックスに明示的にマッピングする指向変換関数を提案する。
論文参考訳（メタデータ） (2021-05-24T06:18:23Z)
Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
本稿では,分類に基づく比較的研究の少ない方法論について検討する。我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
論文参考訳（メタデータ） (2020-11-19T05:42:02Z)
On the Arbitrary-Oriented Object Detection: Classification based Approaches Revisited [94.5455251250471]
まず,既存の回帰型回転検出器が抱える境界問題は,角周期性や角秩序によって引き起こされることを示した。我々は、角予測タスクを回帰問題から分類問題に変換する。得られた円形分布角分類問題に対して、まず、角度の周期性に対処し、隣り合う角度に対する誤差耐性を高めるために、円スムースラベル法を考案する。
論文参考訳（メタデータ） (2020-03-12T03:23:54Z)

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。