Integrating Deep Features for Material Recognition
원문 초록
We propose a method for integration of features extracted using deep representations of Convolutional Neural Networks (CNNs) each of which is learned using a different image dataset of objects and materials for material recognition. Given a set of representations of multiple pre-trained CNNs, we first compute activations of features using the representations on the images to select a set of samples which are best represented by the features. Then, we measure the uncertainty of the features by computing the entropy of class distributions for each sample set. Finally, we compute the contribution of each feature to representation of classes for feature selection and integration. We examine the proposed method on three benchmark datasets for material recognition. Experimental results show that the proposed method achieves state-of-the-art performance by integrating deep features. Additionally, we introduce a new material dataset called EFMD by extending Flickr Material Database (FMD). By the employment of the EFMD with transfer learning for updating the learned CNN models, we achieve 84.0%+/-1.8% accuracy on the FMD dataset which is close to human performance that is 84.9%.
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
잎 혈관 구조의 전체 네트워크 유전자-환경 연관을 위한 심층 학습-통계 통합 프레임워크
An Integrated Deep Learning and Statistical Framework for Whole-Network Gene--Environment Association with Leaf Vascular Architecture
잎맥은 구조와 패턴에서 놀라운 다양성을 보이지만, 기존 유전자-환경 연관 연구는 주로 소수의 저차원 요약 형질을 사용하여 잎맥 분포를 정량화해 왔으며, 이로 인해 원본 이미지에 담긴 대부분의 구조적 정보가 버려졌다. 우리는 심층 학습과 통계를 통합한 프레임워크를 제안한다. 제안된 프레임워크는 네 가지 방법론적 진전을 달성한다. 첫째, 완전한 잎 혈관 구조를 전체 네트워크 이미지 표현형으로 나타낸다. 둘째, 심층 학습 기반 Edge Detection with Transformers(EDTER) 모델을 파인튜닝하여 국소적 및 전역적 문맥 특징을 공동으로 학습함으로써 RGB 이미지로부터 전체 네트워크 잎 혈관 구조를 정확하게 추출한다. 셋째, DiffusionEdge로 생성된 에지 맵과 Berkeley Segmentation Database(BSDS500)를 통합하여 새로운 주석 잎 이미지 데이터베이스를 구축한다. 넷째, Semiparametric Sparse Canonical Correlation Analysis(SSCCA)를 적용하여 반복 측정된 고차원 이변량(bivariate) 이미지 반응과 고차원 예측 변수 간의 변수 선택 및 연관 모델링을 수행하면서, 에지 맵으로 표현되는 희소·영팽(zero-inflated) 데이터를 절단 잠재 가우시안 코풀라(truncated latent Gaussian copula) 모델을 통해 동시에 수용한다. 두 건의 시뮬레이션 연구는 복잡도가 증가하는 조건에서 제안 프레임워크의 성능을 입증한다. 실제 Populus 데이터셋에 대한 적용은 잎 혈관 구조와 연관된 세 가지 유의미한 유전자-지리 상호작용을 식별하여 새로운 생물학적 통찰을 제공하고, 고차원 복합 이미지 표현형을 위한 폭넓게 적용 가능한 방법론적 프레임워크를 확립한다.
PathSelect: 전체 슬라이드 병리학을 위한 순차적 토큰 선택
PathSelect: Sequential Token Selection for Whole Slide Pathology
기가픽셀 전체 슬라이드 이미지(WSI)는 극단적으로 긴 시퀀스 길이로 인해 비전-언어 모델(VLM)에 근본적인 계산 병목을 일으킨다. 기존 접근법은 주로 공간 샘플링(spatial sampling)이나 학습 없는 가지치기(training-free pruning)에 의존하는데, 이는 약하지만 유익한 신호를 희석시킬 위험이 있으며, 병리학적 단서의 공간적으로 확산된 특성으로 인해 중요한 진단 근거의 손실을 초래한다. 우리는 WSI 토큰 가지치기를 순차적 선택 과정으로 재공식화하여, 정적 휴리스틱에 의존하는 대신 모델이 최적의 라우팅 전략을 자율적으로 학습할 수 있게 한다. 우리는 완전히 사전학습된 SlideChat 기준 모델에 능동적 플러그인으로 통합된 분리형 라우팅 프레임워크를 제안하며, 슬라이드 인코더와 대규모 언어 모델(LLM) 모두를 고정(frozen) 상태로 둔다. 학습 중 미분 불가능한 가지치기 연산에 연속적인 그래디언트를 제공하기 위해 PathSelect를 도입한다. PathSelect는 분산 보존(variance-preserving) 노이즈 게이트를 사용하여 미분 가능한 Soft Top-K 연산자를 통해 각 패치의 정보 흐름을 조절하고, 의미적 누출(semantic leakage) 없이 교란된 표현을 복원하는 대각선-어텐션(d diagonal-attention) Denoiser와 짝을 이룬다. 추론 시 PathSelect 모듈은 완전히 분리된다. 학습된 Scorer만을 사용하여, 결정론적 Hard Top-K 연산자가 적응적이고 데이터 의존적인 궤적 종료(trajectory termination)를 수행하며, 순차적 토큰 선택 지연 시간을 극히 낮게 유지하면서 하류 생성 처리를 크게 가속한다. 최대 제약 K = 128 하에서 경험적 평균 44.86개 토큰만으로 구동되는 우리 프레임워크는 SlideBench(TCGA)에서 74.00%의 전체 정확도를 달성하며, 압축되지 않은 기준선 평균 대비 약 36.6배의 공간 토큰 감소를 나타내면서 샘플링 기반 대안들을 일관되게 능가한다.
DroneGround: 합성 데이터와 그라운디드 비전-언어 모델을 활용한 오픈 보캐블러리 드론 탑재체 특성 분석
DroneGround: Open-Vocabulary Drone Payload Characterization Using Synthetic Data and Grounded Vision-Language Models
자동화된 드론 감시는 공공 안전, 중요 인프라 보호 및 제한 공역 모니터링을 위해 점점 더 중요해지고 있습니다. 기존의 비전 기반 시스템은 드론 탐지 및 추적에서 뛰어난 성능을 달성하지만, 원거리 촬영 조건에서는 주석이 달린 실제 데이터셋의 부족과 배포 시 직면하는 상당한 분포 변화(distribution shift)로 인해 신뢰할 수 있는 탑재체(payload) 특성 분석이 여전히 매우 어려운 과제로 남아 있습니다. 기존 접근법들은 탑재체 특성 분석을 닫힌 집합(closed-set) 객체 검출 문제로 정식화하여, 이전에 보지 못한 탑재체를 인식하고 학습 분포를 넘어 일반화하는 능력을 제한합니다. 이러한 문제를 해결하기 위해, 본 논문에서는 Unreal Engine 5와 Cosys-AirSim을 사용하여 사실적인(photorealistic) 합성 드론-탑재체 데이터셋을 생성하고, 강력한 오픈 보캐블러리(open-vocabulary) 탑재체 분석을 위한 2단계 프레임워크인 DroneGround(Grounded Vision-Language Payload Characterization)를 제안합니다. DroneGround는 먼저 YOLO26s 검출기를 사용하여 드론의 위치를 특정하고 드론 중심의 이미지 크롭을 추출한 다음, LoRA 파인튜닝된 PaliGemma 비전-언어 모델을 활용해 탐지된 드론 및 부착된 탑재체에 대한 시맨틱 설명을 생성함으로써 사전에 정의된 범주를 넘어서는 오픈 보캐블러리 탑재체 특성 분석을 가능하게 합니다. 또한 폐색 기반 그라운딩(grounding) 모듈은 생성된 설명에 기여하는 이미지 영역을 식별하여 해석 가능한 탑재체 위치 추정 기능을 제공합니다. 합성 및 실제 드론 영상 모두에 대한 광범위한 실험을 통해 DroneGround가 합성-실제(synthetic-to-real) 분포 변화 하에서 견고성을 크게 향상시켜 F1-점수를 82.5%에서 96.3%로 높여 기존의 닫힌 집합 탑재체 검출기를 능가하는 동시에, 이전에 보지 못한 탑재체 범주에 대해서도 훨씬 더 우수한 일반화 성능(F1 80.4% 대 42.7%)을 달성함을 입증합니다. 데이터셋과 코드는 요청 시 공개될 예정입니다.
흉부 방사선 사진 골 억제를 위한 확장 가능한 감독으로서 해부학 분해 흉부 CT 투영
Anatomy-Decomposed Chest Computed Tomography (CT) Projections as Scalable Supervision for Bone Suppression in Chest Radiographs
뼈 중첩은 흉부 X선 영상에서 이상 소견을 가릴 수 있으며, 짝지어진 학습 데이터의 부족은 지도 학습 기반 뼈 억제를 제한한다. 본 연구는 이러한 문제를 흉부 컴퓨터단층촬영(CT)을 성분 억제를 위한 짝지어진 지도 신호로 변환하는 디지털 재구성 방사선영상(DRR) 프레임워크로 해결한다. 새로운 뼈 분할 알고리즘을 통해 CT를 뼈, 폐를 제외한 연조직, 폐 성분으로 분해하고 각각을 별도로 투영한다. 이들의 가중 결합은 전체 DRR과 정확히 합산되는 픽셀 정합 성분 영상을 갖춘 합성 방사선영상을 만들어 낸다. 이러한 데이터로 학습한 모델은 대상 성분을 예측하고 나머지를 차감으로 복원하는 방식으로 뼈 또는 폐 성분을 억제하며, 실제 짝지어진 학습 데이터 없이도 실제 방사선영상으로 전이된다. 확장으로서, 실제 방사선영상에 대한 모델의 출력은 짝지어지지 않은 성분별 DRR 변환을 위한 목표 도메인을 제공하여, 해부학적 세부 구조를 유지하면서 외형 격차를 줄인다. 여러 공개 데이터셋에서 수행한 하위 검출 실험은 뼈 억제의 효용을 보여 주며, 그 이득은 뼈 중첩이 큰 이상 소견에 집중된다. 동일한 CT에 적용한 오픈소스 DRR 엔진과 비교할 때, 수정하지 않은 본 DRR은 현실감과 레이블 관련 해부 구조의 보존에서 대등한 수준을 달성하였으며, 변환된 DRR은 평가한 방법 중 가장 우수한 Fréchet inception distance(FID), 폐야 선명도, 원본 CT 해부 구조와의 일치도를 달성하였다. 모델 및 추론 코드: https://huggingface.co/qureaiorg/bone-suppression ; 변환된 투영 영상: https://huggingface.co/datasets/qureaiorg/ct2xr-projections.
부호 그래프 사전학습 및 프롬프트 학습
Signed Graph Pre-Training and Prompt Learning
부호 그래프(signed graph)는 엣지가 양수이거나 음수일 수 있으며 방향성을 가질 수도 있는 신뢰-불신 네트워크, 금융 상관관계 시스템, 생물학적 상호작용 그래프 및 기타 여러 도메인에서 발생합니다. 부호 그래프 신경망이 특정 태스크에 특화된 학습(training)을 향상시켰지만, 부호 그래프에서의 그래프 전이학습(transfer learning)은 여전히 미진한 상태입니다. 본 논문에서는 부호 그래프를 위한 선구적인 위상학 기반 그래프 사전학습(pre-training) 및 프롬프트(prompt) 학습 프레임워크인 TopoSIGN을 소개합니다. TopoSIGN은 자기 부호 라플라시안(magnetic signed Laplacian)을 기반으로 구축된 구조적 인코더와 Dowker 복합체 지속성 이미지(Dowker-complex persistence images)를 통해 부호 위상을 요약하는 새로운 지속성 호몰로지(persistent-homology) 브랜치를 결합합니다. 융합된 임베딩(embedding)은 이후 프롬프트 학습 함수로 전달됩니다. 합성 및 실제 데이터셋(dataset)에 대한 실험 결과는 부호 그래프에서 유용한 구조적 정보를 추출하는 TopoSIGN의 효능뿐만 아니라, 제안된 일반 프레임워크의 적응성과 유연성을 입증합니다.
FFM-CP: 퓨샷 계산병리학을 위한 비전-언어 기반 모델의 교차 백본 융합
FFM-CP: Cross-Backbone Fusion of Vision-Language Foundation Models for Few-Shot Computational Pathology
병리학 비전-언어 기반 모델은 질환과 과제에 따라 성능이 달라지며, 어떤 단일 모델도 일관되게 최고 성능을 내지 못한다. 전문가 병리 주석의 높은 비용은 과제별 적응에 사용할 수 있는 라벨 데이터를 제한하기도 한다. 상호 보완적인 사전학습 표현을 결합하는 것은 이러한 한계에 대한 잠재적 접근이지만, 소수의 라벨 예시로부터 효과적인 융합을 학습하는 것은 여전히 어렵다. 본 연구는 퓨샷 학습 설정에서 여러 병리학 비전-언어 모델을 결합하는 프레임워크인 Few-shot Fusion Foundation Models of Computational Pathology(FFM-CP)를 제안한다. 이 프레임워크는 먼저 대응하는 서포트 이미지로부터 추정한 폐형식(closed-form) 직교 프로크루스테스(Orthogonal Procrustes) 변환을 사용하여 이질적인 표현을 정렬한다. 이 정렬은 추가 정렬 네트워크를 학습하지 않고도 모델 내부 특징 기하를 보존한다. 정렬된 공간 안에서 통합 그래프는 서포트 이미지 특징과 시각·텍스트 클래스 프로토타입을 공동으로 정제함으로써 백본 간 정보 교환을 가능하게 한다. 이렇게 정제된 표현은 의미적 클래스 지식과 클래스 내 시각적 변이를 각각 포착하는 상호 보완적인 텍스트-프로토타입 분기와 케이스 검색(case-retrieval) 분기를 지원한다. 각 분기는 모든 순서화된 백본 쌍의 예측을 결합하는 방법을 학습하여, 한 모델로 인코딩된 쿼리가 다른 모델이 표현한 증거를 활용할 수 있게 한다. 우리는 6개의 조직병리학 데이터셋에서 클래스당 4, 8, 16샷 조건으로 3가지 백본 조합을 평가했다. FFM-CP는 54번 비교 중 50번에서 각 융합 집합의 개별 적응 멤버 중 가장 강한 모델보다 더 높은 평균 macro-F1을 달성했다. 이러한 결과는 주석이 제한될 때 상호 보완적인 사전학습 표현의 결합이 조직병리학 분류를 개선할 수 있음을 시사한다.
토론
이 논문과 연결된 포럼 글이 아직 없습니다.