論文の概要: Improving Long-Tail Detection via Layout-Instruction Conditioned Diffusion Synthesis

• arxiv url: http://arxiv.org/abs/2611.07553v1
• Date: Thu, 05 Nov 2026 07:00:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.576424
• Title: Improving Long-Tail Detection via Layout-Instruction Conditioned Diffusion Synthesis
• Title（参考訳）: レイアウト命令条件付き拡散合成による長距離検出の改善
• Abstract要約: Tail-SDは、テキスト、レイアウト、またはそれらのハイブリッドをサポートするレイアウト命令付き安定拡散フレームワークである。 不均一な条件で単一モデルをトレーニングするために,マルチタスクのクロスアテンションモジュールとマルチタスクの埋め込みトークンを導入する。 COCOとLVISの実験は、ハイブリッド条件付き拡散合成が検出に一貫した利益をもたらすことを示した。
• 参考スコア（独自算出の注目度）: 55.15819813816151
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Synthetic data from diffusion models can improve object detection, but long-tail performance is still limited by scarce rare classes and inflexible conditioning (e.g., text-only or layout-only inputs). In this paper, we propose Tail-SD, a layout-instruction conditioned stable diffusion framework that supports text, layouts, or their hybrid, enabling controllable synthesis from boxes, masks, and/or prompts to better cover the long-tail objects. To train a single model across heterogeneous conditions, we introduce a multi-task cross-attention module and multi-task embedding tokens, improving generation quality and diversity. Extensive experiments on COCO and LVIS demonstrate that diffusion synthesis with hybrid conditioning consistently benefits detection, e.g., on LVIS val, it achieves +4.89% / +5.68% rare Box/Mask AP, highlighting strong potential for addressing long-tail challenges.
• Abstract（参考訳）: 拡散モデルからの合成データは、オブジェクトの検出を改善することができるが、長い尾のパフォーマンスは、希少なクラスと柔軟性のない条件付け(例えば、テキストのみまたはレイアウトのみの入力)によって制限される。 本稿では,テキスト,レイアウト,あるいはそれらのハイブリッドをサポートするレイアウト命令付き安定拡散フレームワークであるTail-SDを提案する。 不均一な条件下で単一モデルをトレーニングするために,マルチタスクのクロスアテンションモジュールとマルチタスクの埋め込みトークンを導入し,生成品質と多様性を改善した。 COCOとLVISの広範囲にわたる実験により、LVIS valでのハイブリッド条件付き拡散合成は、LVIS valでの検出において、+4.89% / +5.68%の稀なBox/Mask APを達成し、長い課題に対処する強い可能性を示している。

関連論文リスト

• Efficient Covariance-Aware Vicinal Latent Diffusion for Continuous Conditional Image Generation [21.4229109453464]
  連続条件生成モデリング(Continuous Conditional Generative Modeling)は、連続的な価値付けされたスカラーラベルに条件付けされた高次元データを合成することを目的としている。 既存の連続拡散モデルは、不均衡なラベル分布と長い尾を持つラベル分布の下で、厳しいデータ間隔に直面している。 連続条件生成のための効率的な潜伏拡散フレームワークであるCAViLDを提案する。
  論文  参考訳（メタデータ） (2026-10-29T03:29:46Z)
• LLaDA-o: An Effective and Length-Adaptive Omni Diffusion Model [77.66516875262963]
  マルチモーダル理解・生成のための有効長適応オムニ拡散モデルである textbfLLaDA-o を提案する。 MoD上に構築されたデータ中心長適応戦略により,マルチモーダル環境でのフレキシブルなデコーディングを実現する。 実験により、LLaDA-oはマルチモーダル理解および生成ベンチマーク上でのオムニ拡散モデル間の最先端性能を実現することが示された。
  論文  参考訳（メタデータ） (2026-03-01T12:05:06Z)
• SynergyAmodal: Deocclude Anything with Text Control [27.027748040959025]
  画像の隠蔽は、画像の隠蔽されたインスタンスの見えない領域(e, shape, appearance)を復元することを目的としている。 In-theld amodal データセットを包括的形状と外観アノテーションで共合成する新しいフレームワーク SynergyAmodal を提案する。
  論文  参考訳（メタデータ） (2025-04-28T06:04:17Z)
• Beyond Synthetic Replays: Turning Diffusion Features into Few-Shot Class-Incremental Learning Knowledge [36.22704733553466]
  FSCIL(Few-shot class-incremental Learning)は、非常に限られたトレーニングデータのために困難である。 最近の研究は、これらの課題に対処するために、生成モデル、特に安定拡散(SD)を調査している。 そこで,Diffusion-FSCILを導入し,実画像の特徴を捉え,SDから4つの相乗的特徴型を抽出する。
  論文  参考訳（メタデータ） (2025-03-30T11:20:08Z)
• Adding Additional Control to One-Step Diffusion with Joint Distribution Matching [58.37264951734603]
  JDMは、画像-条件関節分布間の逆KL分散を最小化する新しいアプローチである。 トラクタブルな上限を導出することにより、JDMは条件学習から忠実度学習を分離する。 この非対称蒸留方式により,一段階の生徒が教師モデルに未知の制御を処理できるようになる。
  論文  参考訳（メタデータ） (2025-03-09T15:06:50Z)
• Every SAM Drop Counts: Embracing Semantic Priors for Multi-Modality Image Fusion and Beyond [52.486290612938895]
  本稿では,Segment Anything Model (SAM) のセグメンテーションモデルからのセグメンテーション知識を利用して,融合結果の質を向上し,下流タスク適応性を実現する手法を提案する。 具体的には、SAMから高レベルなセマンティック・セマンティック・セマンティック・セマンティック・セマンティック・アテンション(SPA)モジュールを抽出し、永続リポジトリを介してソース情報を効率的に保持する。 本手法は,実運用効率を維持しつつ,高品質な視覚結果と下流タスク適応性のバランスを実現する。
  論文  参考訳（メタデータ） (2025-03-03T06:16:31Z)
• Table-to-Text Generation with Pretrained Diffusion Models [0.0]
  拡散モデルは様々なテキスト生成タスクにまたがって最先端のパフォーマンスを実現する上で大きな可能性を示している。 タスクに拡散モデルを適用し,詳細な解析を行うことにより,表から表への変換問題へのそれらの適用について検討する。 この結果から,表-テキスト領域において拡散モデルが同等の結果を得ることが明らかとなった。
  論文  参考訳（メタデータ） (2024-09-10T15:36:53Z)
• ToddlerDiffusion: Interactive Structured Image Generation with Cascaded Schrödinger Bridge [63.00793292863]
  ToddlerDiffusionは、RGB画像生成の複雑なタスクを、よりシンプルで解釈可能なステージに分解するための新しいアプローチである。 提案手法はToddler Diffusionと呼ばれ,それぞれが中間表現を生成する責務を担っている。 ToddlerDiffusionは、常に最先端のメソッドより優れています。
  論文  参考訳（メタデータ） (2023-11-24T15:20:01Z)

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。