論文の概要: SALT: State-Aligned Low-Rank Transfer for Single-Temporal Cross-Dataset Structural Localization in Remote Sensing
- arxiv url: http://arxiv.org/abs/2611.17077v1
- Date: Thu, 12 Nov 2026 16:47:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.558164
- Title: SALT: State-Aligned Low-Rank Transfer for Single-Temporal Cross-Dataset Structural Localization in Remote Sensing
- Title(参考訳): SALT: リモートセンシングにおける単一時間クロスデータセット構造定位のための状態調整型低ランク転送
- Abstract要約: State-Aligned Low-Rank Transfer (SALA)は、リモートセンシングにおける変更検出のためのフレームワークである。
SALAは、各パッチをスコアリングし、SALA(State-Aligned Low-Rank Adaptation)を通じて、パッチの特徴が修正されるランク2のサブスペースにまたがる負の構造状態と正の構造状態を学ぶ。
LEVIR-CDとWHUの空中ビルディングデータセットの実験では、ピクセルレベルでも、両方の転送方向でも、SALTは共通のソースのみのプロトコルの下で再現された4つのベースラインよりも優れていた。
- 参考スコア(独自算出の注目度): 8.625053896441226
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Change detection in remote sensing conventionally relies on spatially aligned bi-temporal imagery, which may be unavailable or unreliable in practical scenarios. Recent single-temporal approaches address this limitation by learning structural evidence, such as building regions, from a labeled source dataset and transferring it to unseen target imagery using only the current image. However, adaptation to the source dataset can over-specialize pretrained features and reduce their cross-dataset generalization, a risk that this paper argues is higher when the feature adaptation is parameterized independently of the states used for prediction. To address this issue, the current study introduces SALT, a State-Aligned Low-Rank Transfer framework. SALT keeps a DINOv3 backbone frozen and learns negative and positive structural states that both score each patch and, through State-Aligned Low-Rank Adaptation (SALA), span the rank-2 subspace in which patch features are corrected. Directional State Alignment supervises these corrections to raise the evidence of positive patches and lower that of negative ones, while Geometry Preservation limits changes to the pairwise relations among pretrained patch features. Experiments on LEVIR-CD and the WHU aerial building dataset show that, at the pixel level and in both transfer directions, SALT outperforms four baselines reproduced under a common source-only protocol, improving over the strongest reproduced baselines by 9.45 and 5.79 points in pixel-level AP and by 27.69 and 14.25 points in IoU (LEVIR-CD to WHU and WHU to LEVIR-CD, respectively), with only 0.068M trainable parameters and 40.2 ms per image. In order to facilitate reproducibility and further research, the source code of SALT is available at https://github.com/gthpapadopoulos/SALT
- Abstract(参考訳): リモートセンシングにおける変化検出は、従来、空間的に整列した両時間画像に依存しており、現実的なシナリオでは利用できないか、信頼できない。
最近の単一時間的アプローチでは、ラベル付きソースデータセットから構築領域などの構造的エビデンスを学習し、現在の画像のみを使用して未確認のターゲット画像に転送することで、この制限に対処している。
しかし、ソースデータセットへの適応は、事前訓練された特徴を過度に特定し、それらのクロスデータセットの一般化を減らすことができるため、予測に使用する状態とは無関係に特徴適応がパラメータ化される場合、リスクが高くなる。
この問題に対処するため、本研究では、SALT(State-Aligned Low-Rank Transfer framework)を紹介している。
SALTはDINOv3のバックボーンを凍結させ、各パッチをスコアリングする負と正の構造状態と、パッチの特徴が修正されるランク2サブスペースにまたがるステートアラインな低ランク適応(SALA)を学習する。
Directional State Alignmentは、これらの修正を監督し、正のパッチの証拠を高め、負のパッチの証拠を低くする一方、Geometry Preservationは事前訓練されたパッチの特徴間のペア関係に変化を制限する。
LEVIR-CDとWHUの空中ビルディングデータセットの実験により、SALTは共通のソースオンリーのプロトコルの下で再現された4つのベースラインを上回り、IoUの9.45点と5.79点、27.69点、14.25点(LEVIR-CD、WHU、LEVIR-CD)では0.068Mのトレーニング可能なパラメータと40.2msで改善した。
再現性とさらなる研究を容易にするため、SALTのソースコードはhttps://github.com/gthpapadopoulos/SALTで入手できる。
関連論文リスト
- BISECT: Bilevel Spectral Decomposition for Low-Rank Continual Learning [0.0]
事前学習型視覚変換器における非経験的連続学習はローランド適応(LoRA)にますます依存している
固定ランクの$r$の予算を2つの機能ブロックに分割する連続的なLoRAフレームワークであるBISECTを提案する。
Bilevel Spectral Decompositionは、プロンプト、アダプタ、LoRAベースラインをゼロの余分な推論パラメータまたはFLOPで上回る。
論文 参考訳(メタデータ) (2026-11-02T18:27:22Z) - 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) - Which and When to Admit: Gradient Admission for Data-Centric Small Language Model Finetuning [64.55611886841092]
LoRAファインチューニングは、低ランク更新サブスペース内の不均一な命令データに小さな言語モデルを適用する。
有効適応には、どのデータ誘起勾配がLoRA部分空間に入るか、いつ入力されるかを制御する必要があると我々は主張する。
本稿では,多タスク場勾配に整合したサンプルを継続的に認識する状態認識セレクタと,飽和付近で破壊的なオーバーライトを引き起こす可能性のある更新を拒否する自己校正ステップレベルゲートの2つのメカニズムを組み合わせたデータ中心のフレームワークGRADEを提案する。
論文 参考訳(メタデータ) (2026-10-06T00:34:38Z) - GroundAnything: Reconciling Parallel Decoding with Precise Visual Grounding at Flash Speed [71.05944634852158]
GroundAnythingはブロックワイズによる正確なローカライゼーションで高速並列デコーディングを再構成する。
30のグラウンドベンチマークで、私たちの自己回帰型であるGroundAnything-VLMは、この技術の新たな全体的な状態を確立します。
エントロピー誘導復号法により、GroundAnythingは、この規模の芸術の先行状態を超越している。
論文 参考訳(メタデータ) (2026-09-30T12:20:51Z) - Inside VLM Chart Reading: Tracing Value Reading from Vertical Bar Charts Across Space and Depth [50.62320148925983]
視覚言語モデル(VLM)は、チャートの質問に正確に答えることができるが、正確な値を取り戻すのに必要な証拠をどのように組み合わせるかは、出力精度が示さない。
Qwen2.5VL-7B-Instruct および InternVL3.5-8B における反現実的活性化パッチによる垂直バー値の読み出しについて検討した。
論文 参考訳(メタデータ) (2026-09-12T06:28:11Z) - Multimodal Foundation Models Adaptation based on Domain-Aware Relaxed Orthogonal Subspace for Remote Sensing [16.45880716714667]
Domain-Aware Relaxed Orthogonal Subspace adaptation (DROS)
DROSはデータ条件付きサブスペース学習と柔軟なサブスペース適応として低ランク適応を再構成する。
複数のリモートセンシングベンチマークの実験は、DROSが最先端のパフォーマンスを達成することを示す。
論文 参考訳(メタデータ) (2026-09-12T02:19:11Z) - LCPNet: Latent Consistent Proximal Unfolding Network for Infrared Small Target Detection [50.3892176822492]
赤外線小目標検出(IRSTD)は、複雑な赤外背景から長距離小目標を特定することを目的としている。
深層学習法は、識別的画像-マスクマッピングを学習することでIRSTDを改善した。
深層展開法は、モデル駆動イテレーションをニューラルネットワークに埋め込むことによって、この問題に部分的に対処する。
これらの制約に対処するために,Latent Consistent Proximal Unfolding Network (LCPNet)を提案する。
論文 参考訳(メタデータ) (2026-07-06T02:15:09Z) - Recovering Stranded Discrimination in Knowledge Tracing: Per-Item Bias Correction via Empirical-Bayes Shrinkage [5.965959604603513]
State-space Logit Correctionは、バイナリ観測をLaplace/IRLS経由で擬似観測に変換する。
状態空間の定式化はベルヌーイの情報フロアを特徴づける検出性境界を与える。
クロスドメインコントロールは、デプロイされたバックボーンがエンティティレベルのバイアスを残すと、同じ現象が教育を超えて起こることを示唆している。
論文 参考訳(メタデータ) (2026-06-12T05:07:57Z) - Predictive Spectral Calibration for Source-Free Test-Time Regression [0.764671395172401]
Predictive Spectral (PSC) は、サブスペースアライメントを拡張してスペクトルマッチングをブロックする、ソースフリーのフレームワークである。
PSCは実装が簡単で、モデルに依存しず、市販の事前訓練された回帰器と互換性がある。
論文 参考訳(メタデータ) (2026-03-10T08:15:44Z) - DSLO: Deep Sequence LiDAR Odometry Based on Inconsistent Spatio-temporal Propagation [66.8732965660931]
本稿では,LiDAR odometry DSLO の非一貫性時間伝搬に基づく3次元点列学習モデルを提案する。
ピラミッド構造で、シーケンシャルなポーズモジュール、階層的なポーズリファインメントモジュール、時間的特徴伝搬モジュールで構成されている。
論文 参考訳(メタデータ) (2024-09-01T15:12:48Z)
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。