論文の概要: When Does Cross-View Consistency Matter in Multi-View Appearance Augmentation? A Controlled Study for Visuomotor Policies
- arxiv url: http://arxiv.org/abs/2611.17751v1
- Date: Fri, 13 Nov 2026 05:10:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.305957
- Title: When Does Cross-View Consistency Matter in Multi-View Appearance Augmentation? A Controlled Study for Visuomotor Policies
- Title(参考訳): マルチビュー外観向上におけるクロスビュー整合性はいつ重要か : ビジュモータ政策の制御研究
- Abstract要約: マルチビュー視覚拡張はしばしばカメラ間の整合性を求めるが、下流制御においてどの整合性が重要かは定かではない。
シミュレーション・ステート・リプレイを用いて、カメラごとの分布、物理的軌跡、行動ラベルを保存しながら、クロスビュー結合摂動を操作する。
7つのLIBERO操作タスク、グローバルな外観の変化、ゴーストインジェクション、ターゲットカラーは、レイトフュージョン拡散ポリシーの平均コストが小さい。
- 参考スコア(独自算出の注目度): 2.333859191624271
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-view visual augmentation often seeks consistency across cameras, but it is unclear which forms of consistency matter for downstream control. We use simulation-state replay to manipulate cross-view coupling while preserving the per-camera perturbation distributions, physical trajectories, and action labels. Across seven LIBERO manipulation tasks, marginal-matched changes in global appearance, ghost injection, and target color have small average costs for a late-fusion Diffusion Policy: point estimates are near zero or negative, and the largest upper endpoint of the 90% posterior credible intervals is 2.55 percentage points. In contrast, geometrically anti-coupled observations reduce success by 3.30 percentage points relative to coupled observations (90% CrI [0.64, 6.28]), with displacement magnitude, direction marginals, and the number of affected views matched. Camera interventions reveal substantial dependence on wrist-view geometry, while feature analysis shows appearance sensitivity patterns associated with the factors randomized during training. ACT shows a higher target-color cost estimate than DP, with uncertainty that includes zero and sensitivity to task composition. Within the tested tasks and policy configurations, these findings motivate selective consistency constraints: appearance coupling can sometimes be relaxed, whereas task-relevant geometry and cross-view spatial correspondence warrant protection.
- Abstract(参考訳): マルチビュー視覚拡張はしばしばカメラ間の整合性を求めるが、下流制御においてどの整合性が重要かは定かではない。
シミュレーション・ステート・リプレイを用いて、カメラごとの摂動分布、物理的軌跡、行動ラベルを保存しながら、クロスビュー・カップリングを操作する。
7つのLIBERO操作タスク、グローバルな外観の変化、ゴーストインジェクション、ターゲットカラーは、レイトフュージョン拡散ポリシーにおける平均コストが小さい:ポイント推定はゼロまたは負に近い、そして90%の後方信頼区間の最大の上端は2.55ポイントである。
対照的に、幾何学的にアンチカップリングされた観測は、変位の大きさ、方向の辺縁、および影響を受けるビューの数で、結合された観測(90% CrI [0.64, 6.28])と比較して3.30パーセントの成功を減少させる。
カメラの介入は手首の視線形状に大きく依存するが、特徴分析ではトレーニング中にランダム化した要因に関連する外観感度パターンが示される。
ACTはDPよりも高い目標色コストの推定値を示し、不確実性にはタスク構成に対する0と感度が含まれる。
テストされたタスクとポリシーの構成の中で、これらの発見は選択的な一貫性の制約を動機付けている。
関連論文リスト
- Concept drift mitigation through community and spectral graph analysis for the detection of cyberattacks in network traffic [1.3999481573773072]
検出モデルとは独立に各特徴に対して定義された安定性スコアであるt-robustnessを導入する。
特徴の連続した統計状態間のステップバイステップ距離と、その初期状態からの累積的なばらつきを組み合わせ、遅い単調なドリフトが安定性を損なうことができない。
評価はUGR16データセット上で行われ、3つの学習シナリオとコントロールシナリオにまたがる。
論文 参考訳(メタデータ) (2026-09-08T20:51:00Z) - Unsupervised Keypoints for Real-Time Fall Detection: Comparative Analysis Under Real-world Conditions with Predictive Bandwidth Reduction [0.5959007032504439]
ビデオは転倒に関連する姿勢と動きをキャプチャするが、デプロイはプライバシ、計算、帯域幅によって制限される。
本稿では,教師なしキーポイントと予測時間モデルに基づいて,RGB伝送をコンパクトな動作表現に置き換えるプライバシー保護フレームワークを提案する。
ur Fall DetectionとHuman Fallのデータセットのフレームワークを,ランダム,主観的分離,オクルージョンに基づく分割を用いて評価した。
論文 参考訳(メタデータ) (2026-07-16T18:58:43Z) - Diversity-aware View Partitioning for Scalable VGGT [48.654660686945526]
VGGTは、グローバルな注目を集めた複数のビューを共同で推論することで、強力なパフォーマンスを達成する。
本稿では,多様性を意識したバランスの取れたチャンクにビューを整理する,トレーニングフリーでプラグアンドプレイな推論フレームワークを提案する。
我々のフレームワークは既存のVGGTの変種を補完し、幾何学的忠実さを犠牲にすることなくスケーラブルな多視点再構成を可能にする。
論文 参考訳(メタデータ) (2026-07-02T08:37:56Z) - When Eyes Betray AI: Social Gaze Consistency as a Semantic Cue for AI-Generated Image Detection [12.446807294893638]
本稿では,視線方向の相互コヒーレンス,頭部アライメント,対人関係の瞳孔配置として定義された高レベルの意味的キューであるソーシャル・ゲイズ・コンシステンシーを紹介する。
既存の低レベルパラダイムに対して,これまで未利用であった検出軸を構成することを示す。
4ステップのアカウントでは、単一インパインター(FLUX.1-Fill)のトレーニングがマルチジェネレータスイートに移行した理由が説明されている。
論文 参考訳(メタデータ) (2026-05-26T17:50:17Z) - Choose What to Observe: Task-Aware Semantic-Geometric Representations for Visuomotor Policy [66.60668908340429]
Visuomotor のポリシーは、生の RGB 観測において、過度な視覚的要因に適合するデモから学ぶ。
視覚的入力を共有表現に正準化するタスク対応観察インタフェースを提案する。
我々は,RoboMimic (Lift), ManiSkill YCB grasping under clutter, 4つのRLBench task under control appearance shifts, and two real-world Franka taskについて検討した。
論文 参考訳(メタデータ) (2026-03-09T01:21:26Z) - RoboView-Bias: Benchmarking Visual Bias in Embodied Agents for Robotic Manipulation [67.38036090822982]
ロボット操作における視覚バイアスの定量化を目的とした,最初のベンチマークであるRoboView-Biasを提案する。
我々は、個々の視覚的要因とその相互作用によって引き起こされるバイアスの堅牢な測定を可能にする2,127のタスクインスタンスを作成します。
本研究は,視覚バイアスの系統的解析が,安全で信頼性の高い汎用的なエンボディエージェントの開発に必須であることを示す。
論文 参考訳(メタデータ) (2025-09-26T13:53:25Z) - Graph-Aware Contrasting for Multivariate Time-Series Classification [50.84488941336865]
既存のコントラスト学習手法は主に、時間的拡張とコントラスト技術による時間的一貫性を達成することに焦点を当てている。
MTSデータ間の空間的整合性を考慮したグラフ認識コントラストを提案する。
提案手法は,様々なMSS分類タスクにおける最先端性能を実現する。
論文 参考訳(メタデータ) (2023-09-11T02:35:22Z)
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。