論文の概要: DEQ-Det: Dual Evidence Queries for Few-Shot Analog IC Device Detection
- arxiv url: http://arxiv.org/abs/2611.07682v1
- Date: Thu, 05 Nov 2026 09:09:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 21:50:50.613795
- Title: DEQ-Det: Dual Evidence Queries for Few-Shot Analog IC Device Detection
- Title（参考訳）: DEQ-Det:Few-ShotアナログICデバイス検出のためのデュアルエビデンスクエリ
- Abstract要約: 前景の類似性だけで、競合するレイアウトパターンと区別することなく、もっともらしいターゲットをハイライトすることができる。
我々は,同じサポートイメージから補完的な前景と背景参照を付加アノテーションなしで構築するDual Evidence Queries for Detection (DEQ-Det)を提案する。
DEQ-Detは10ショットと30ショットで39.41と53.03のマクロAP50を達成する。
- 参考スコア（独自算出の注目度）: 7.918289811702304
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Detecting analog integrated circuit (IC) devices in layout images supports circuit analysis and inspection. With only a few annotated examples, variation in device geometry and visual similarity to dummy or routing structures make reliable detection difficult. Foreground similarity alone can highlight plausible targets without distinguishing them from competing layout patterns. We propose Dual Evidence Queries for Detection (DEQ-Det), which constructs complementary foreground and background references from the same support images without additional annotations. Foreground references capture target morphology, while selected background references characterize surrounding layout patterns. Both sources guide query selection and region verification, combining target appearance with layout context. Across five held-out device categories and three random seeds, DEQ-Det achieves macro AP50 of 39.41 and 53.03 at 10 and 30 shots, exceeding the strongest listed baselines by 3.97 and 9.71 points, respectively. A matched 30-shot ablation further shows that RoI background evidence reduces pooled false positives at comparable recall, supporting its role in interference suppression.
- Abstract（参考訳）: レイアウト画像におけるアナログ集積回路(IC)デバイスの検出は、回路解析と検査をサポートする。
いくつかの注釈付きの例では、デバイス形状の変化とダミーやルーティング構造との視覚的類似性は、信頼性の高い検出を困難にしている。
前景の類似性だけで、競合するレイアウトパターンと区別することなく、もっともらしいターゲットをハイライトすることができる。
我々は,同じサポートイメージから補完的な前景と背景参照を付加アノテーションなしで構築するDual Evidence Queries for Detection (DEQ-Det)を提案する。
前景参照はターゲット形態を捉えるが、選択された背景参照は周囲のレイアウトパターンを特徴付ける。
どちらのソースもクエリ選択とリージョン検証をガイドし、ターゲットの外観とレイアウトコンテキストを組み合わせる。
DEQ-Detは5つのホールドアウトデバイスカテゴリと3つのランダムシードで10ショットと30ショットで39.41と53.03のマクロAP50を達成し、それぞれ3.97と9.71ポイントという最強のベースラインを超えた。
一致した30ショットのアブレーションにより、RoIの背景証拠は、同じリコールでプールされた偽陽性を減少させ、干渉抑制における役割を支えている。
関連論文リスト
- Cross-Encoder Anchor Refinement for Zero-Shot Anomaly Detection [41.30569671191971]
本稿では,2つの視覚的符号化経路をアンカーステージで接続するクロスエンコーダ・アンカー・リファインメント(CEAR)を提案する。
CEARは、画像レベルの検出と画素レベルのローカライゼーションにまたがる68評価のうち、57で最高のパフォーマンスを達成している。
本研究では,アンカーステージにおける相互エンコーダ相互作用が,微粒な異常な局所化のための相補的視覚表現とどのように組み合わさることができるかを示す。
論文 参考訳（メタデータ） (2026-10-29T09:56:26Z) - D-Scope: Decomposing and Steering Diffusion Transformers with Sparse Autoencoders [34.01254708393466]
D-Scopeは、視覚的証拠を共有することによって特徴解釈と生成制御を結合するフレームワークである。
D-Scopeは、高活性化画像パッチのSigLIP2埋め込みを視覚中心体に集約する。
2つのモデルファミリーと5つのレイヤにまたがる150のSAEを特徴付け、100のターゲットコンセプトのベンチマークを導入する。
論文 参考訳（メタデータ） (2026-09-30T12:35:52Z) - Navigating Sparse Evidence: Agentic Visual RAG via Explicit Context Selection and Consolidation [50.92223196290564]
明示的な証拠選択と統合のための統一エージェントループを提案する。
探索中、SCoREはクエリ関連観測とソースポインタのみを保守されたテキスト台帳に保持する。
終了時には、参照された元のイメージを再ロードし、答えの視覚的証拠を統合し、論理的なシーケンスにアレンジする。
論文 参考訳（メタデータ） (2026-09-14T16:11:35Z) - EvLink: Source-Grounded Evidence Linking for Graph RAG [2.2520512441959775]
EvLinkは、パスを検索可能なエビデンス単位として保存し、それらの間のエビデンスをサポートするトランジションを構築する。
EvLinkは、GraphRAGベースラインを平均2.4 R@5、1.9 EM、2.4 F1で上回っている。
論文 参考訳（メタデータ） (2026-08-31T08:35:23Z) - SEER: A Self-Grounded Evidence Interface for Controlled Spatial Relation Classification [71.9783246097687]
SEERは、ペアローカライゼーション中の候補関係を隠蔽し、明示的な主観的/対象的役割を持つクエリ固有ビューを構築し、補完的な証拠として完全なイメージとスパースボックス幾何学を保持する。
正確な逆サポートを持つ関係選択プロトコルでは、オプションリファインメントがエンティティロールを交換し、正確に1つの視覚状態が対応する逆関係に従う場合にのみ前方決定を変更する。
変更されていないプロトコルは、3つのモデルにまたがる2,434個のフィルター付きEmbSpatialペア関係質問に対して +4.35 から +11.79 を得る。
論文 参考訳（メタデータ） (2026-08-04T13:16:15Z) - Representation Trajectories Matters: Complementary Evidence for OOD Detection and Image Classification [34.70678629832136]
視覚モデルは一度に表現を形成せず、各ブロックはそれを更新する。
我々は,結果の計算経路が最終表現が破棄される証拠を含むか否かを問うとともに,その証拠がクリーンかつシフトしたデータ上でのOODの検出と画像分類を改善するか否かを問う。
我々は、クラスコヒーレントトランスポートを入力固有のイノベーションから分離し、リレーショナルリオーガナイゼーションからの移動を調整する。
教師付き、自己監督型、視覚言語、階層型、畳み込みエンコーダ全体において、これらのパスは、強いサンプル固有の連続性と、データセット間で再帰するアーキテクチャ固有の深さプロファイルを示す。
論文 参考訳（メタデータ） (2026-07-29T07:35:59Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - Non-Parametric Machine Text Detection via Multi-View Gaussian Processes [7.608133101747672]
文書は複数の補完的な信号を持ち、それを抑える攻撃は他人をそのままにしておく。
同じ文書から補完的な特徴ビューを抽出する多視点非パラメトリック検出フレームワークを提案する。
見解にまたがって証拠を集約することにより、敵は同時に複数の独立した検出軸を倒さなければならない。
論文 参考訳（メタデータ） (2026-06-12T03:11:25Z) - DPDETR: Decoupled Position Detection Transformer for Infrared-Visible Object Detection [57.08921921586688]
赤外可視物体検出は、赤外と可視画像の相補的な情報を活用することにより、堅牢な物体検出を実現することを目的としている。
相補的特徴を融合させることは困難であり、現在の手法では相補的条件下での両モードのオブジェクトを確実に見つけることはできない。
これらの問題に対処するための分離位置検出変換器を提案する。
DroneVehicleとKAISTデータセットの実験は、他の最先端の方法と比較して大幅に改善されている。
論文 参考訳（メタデータ） (2024-08-12T13:05:43Z) - U-RED: Unsupervised 3D Shape Retrieval and Deformation for Partial Point
Clouds [84.32525852378525]
教師なし形状検索および変形パイプラインであるU-REDを提案する。
任意のオブジェクトの観察を入力として受け取り、通常RGBの画像やスキャンによってキャプチャされ、幾何学的に類似したCADモデルを共同で検索して変形する。
我々は,U-REDが既存の最先端アプローチを47.3%,16.7%,31.6%で上回っていることを示す。
論文 参考訳（メタデータ） (2023-08-11T20:56:05Z) - Test-time Adaptation with Slot-Centric Models [63.981055778098444]
Slot-TTAは、半教師付きシーン分解モデルであり、シーンごとのテスト時間は、再構成やクロスビュー合成の目的に対する勾配降下を通じて適用される。
我々は、最先端の監視フィードフォワード検出器と代替テスト時間適応法に対して、配電性能が大幅に向上したことを示す。
論文 参考訳（メタデータ） (2022-03-21T17:59:50Z)
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。