論文の概要: Annotator-Free Object Detection via Foundation Model Collaboration
- arxiv url: http://arxiv.org/abs/2611.06195v1
- Date: Wed, 04 Nov 2026 09:08:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 03:25:58.037876
- Title: Annotator-Free Object Detection via Foundation Model Collaboration
- Title(参考訳): ファンデーションモデルによるアノテータフリー物体検出
- Abstract要約: 本稿では,対象データセット上でのラベル付けの必要性を解消する,対象データセットのアノテーションを含まないオブジェクト検出フレームワークを提案する。
本稿では,画像クラスタ間のラベリングを補正し,計算コストを低減しつつ,ラベルの一貫性を向上させるランドマークベースのクラスタリング機構を提案する。
本手法は,未知環境における実環境検出システムにスケーラブルな基盤を提供する。
- 参考スコア(独自算出の注目度): 54.71602573174695
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Object detection research remains constrained by high annotation costs and the closed-set assumptions of supervised models, limiting scalability to novel categories. We present a target-dataset annotation-free object detection framework that eliminates the need for human labeling on the target dataset by leveraging the complementary strengths of pretrained foundation models, including segmentation and vision-language systems, combined with a self-refining training loop. To further reduce reliance on expensive LVLM queries, we introduce a landmark-based clustering mechanism that amortizes labeling across image clusters, improving label consistency while lowering computational cost. Our method autonomously generates segmentation proposals, assigns semantic labels through multimodal reasoning, and iteratively improves both localization and classification using a lightweight open-set detector. This modular pipeline enables adaptation to completely unseen object classes and domains without any human-provided target-dataset annotations, while maintaining compatibility with existing detection architectures. Evaluations on COCO, LVIS, ODinW-35, and Roboflow-100 demonstrate substantial performance gains over state-of-the-art open-vocabulary and long-tail detection methods, achieving 60.8 AP on COCO and 47.4 AP on LVIS under zero-shot settings. Beyond strong benchmark results, our approach provides a scalable foundation for real-world detection systems in unknown environments, where annotation is infeasible.
- Abstract(参考訳): オブジェクト検出の研究は、高いアノテーションコストと教師付きモデルのクローズドセット仮定によって制約され、新しいカテゴリにスケーラビリティを制限している。
セグメンテーションや視覚言語システムなど,事前訓練された基礎モデルの補完的強みを自己修正学習ループと組み合わせることで,対象データセット上での人間のラベル付けを不要とするターゲットデータセットアノテーションのないオブジェクト検出フレームワークを提案する。
高価なLVLMクエリへの依存をさらに軽減するため、画像クラスタ間のラベリングを減らし、計算コストを下げながらラベルの一貫性を向上させるランドマークベースのクラスタリング機構を導入する。
提案手法は, セグメンテーション提案を自律的に生成し, マルチモーダル推論によりセグメンテーションラベルを割り当て, 軽量オープンセット検出器を用いて局所化と分類を反復的に改善する。
このモジュールパイプラインは、既存の検出アーキテクチャとの互換性を維持しながら、人間が提供するターゲットデータセットアノテーションを使わずに、完全に見えないオブジェクトクラスやドメインへの適応を可能にする。
COCO、LVIS、ODinW-35、Roboflow-100の評価は、最先端のオープン語彙およびロングテール検出法よりも大幅に性能が向上し、COCOでは60.8 AP、LVISでは47.4 APを達成した。
強力なベンチマーク結果の他に,アノテーションが実現不可能な未知環境における実環境検出システムのためのスケーラブルな基盤を提供する。
関連論文リスト
- COMPASS: Contextual Moment Prior Alignment for Generalizable AIGI Detection [87.91469665365304]
一般化可能なAI生成画像(AIGI)とディープフェイク検出は、非対称性現象のため難しいままである。
最近の部分空間適応法は、残留部分空間を適応させながら高次主成分を凍結することによりこの問題を軽減する。
本稿では,小さなSemantic Proxy Setを用いて,ターゲットのアクティベーション統計を推定するデータ認識サブスペース適応フレームワークを提案する。
論文 参考訳(メタデータ) (2026-10-13T09:23:12Z) - REAL-OW: Rehearsal-free Open World Object Detection with Low-Rank Adaptation and Dual-Stage Objectness Modeling [56.888597798431704]
Open-World Object Detection (OWOD) では、未確認のオブジェクトを未知のものとして識別し、それを既知のカテゴリのセットにインクリメンタルに組み込む必要がある。
既存のフレームワークは、破滅的な忘れを緩和するために、模範的なリプレイに大きく依存しているが、実際のアプリケーションでは、データアクセス制限との生データ競合を保存し、データ露出のリスクをもたらす。
協調的なアダプタアーキテクチャを通じて段階的な知識を分離する新しいリハーサルフリーフレームワークであるREAL-OWを提案する。
論文 参考訳(メタデータ) (2026-07-03T06:38:54Z) - The Detector Teaches Itself: Lightweight Self-Supervised Adaptation for Open-Vocabulary Object Detection [8.847667302225156]
Open-vocabulary Object Detectionは、大規模画像テキストデータに基づいて事前訓練された視覚言語モデル(VLM)を活用するオープンセットカテゴリからオブジェクトを認識することを目的としている。
本稿では、協調モデルに基づく物体検出のためのVLMを改善するための自己教師型微調整手法であるDecoupled Adaptivity Trainingを提案する。
COCOとLVISデータセットの実験は、DATが新しいカテゴリと既知のカテゴリの両方における検出性能を一貫して改善していることを示している。
論文 参考訳(メタデータ) (2026-05-05T11:14:30Z) - Robust and Label-Efficient Deep Waste Detection [29.019461511410515]
効率的な廃棄物のソートは持続可能なリサイクルには不可欠だが、この領域でのAI研究は商用システムに遅れを取っている。
本研究では,強力なベースラインを確立し,アンサンブルに基づく半教師付き学習フレームワークを導入することにより,AI駆動型廃棄物検出を推し進める。
論文 参考訳(メタデータ) (2025-08-26T08:34:04Z) - Weakly Supervised Open-Vocabulary Object Detection [31.605276665964787]
本稿では、従来のWSODを拡張するために、弱教師付きオープン語彙オブジェクト検出フレームワーク、すなわちWSOVODを提案する。
これを実現するために、データセットレベルの特徴適応、画像レベルの有意なオブジェクトローカライゼーション、地域レベルの視覚言語アライメントを含む3つの重要な戦略を検討する。
論文 参考訳(メタデータ) (2023-12-19T18:59:53Z) - Weakly-supervised Contrastive Learning for Unsupervised Object Discovery [52.696041556640516]
ジェネリックな方法でオブジェクトを発見できるため、教師なしのオブジェクト発見は有望である。
画像から高レベルな意味的特徴を抽出する意味誘導型自己教師学習モデルを設計する。
オブジェクト領域のローカライズのための主成分分析(PCA)を導入する。
論文 参考訳(メタデータ) (2023-07-07T04:03:48Z) - WSSOD: A New Pipeline for Weakly- and Semi-Supervised Object Detection [75.80075054706079]
弱機能および半教師付きオブジェクト検出フレームワーク(WSSOD)を提案する。
エージェント検出器は、まず関節データセット上でトレーニングされ、弱注釈画像上で擬似境界ボックスを予測するために使用される。
提案フレームワークはPASCAL-VOC と MSCOCO のベンチマークで顕著な性能を示し,完全教師付き環境で得られたものと同等の性能を達成している。
論文 参考訳(メタデータ) (2021-05-21T11:58:50Z) - Scope Head for Accurate Localization in Object Detection [135.9979405835606]
本研究では,各位置のアンカーを相互依存関係としてモデル化したScopeNetと呼ばれる新しい検出器を提案する。
我々の簡潔で効果的な設計により、提案したScopeNetはCOCOの最先端の成果を達成する。
論文 参考訳(メタデータ) (2020-05-11T04:00:09Z)
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。