arXiv:2109.01124

Domain-Robust Mitotic Figure Detection with Style Transfer

Youjin Chung, Jihoon Cho, Jinah Park

제출 2021-09-02

원문 초록

We propose a new training scheme for domain generalization in mitotic figure detection. Mitotic figures show different characteristics for each scanner. We consider each scanner as a 'domain' and the image distribution specified for each domain as 'style'. The goal is to train our network to be robust on scanner types by using various 'style' images. To expand the style variance, we transfer a style of the training image into arbitrary styles, by defining a module based on StarGAN. Our model with the proposed training scheme shows positive performance on MIDOG Preliminary Test-Set containing scanners never seen before.

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

arXiv:2606.21736v1cs.CV공통 태그 Style Transfer, Domain Generalization

단일 도메인 일반화를 위한 적대적 도메인 프롬프트 튜닝 및 생성

Adversarial Domain Prompt Tuning and Generation for Single Domain Generalization

단일 도메인 일반화(SDG)는 학습에 단 하나의 도메인만 사용할 수 있는 상황에서도, 보지 못한 다양한 도메인에서 잘 작동하는 견고한 모델을 학습하는 것을 목표로 한다. 단일 도메인 일반화를 달성하기 위한 유망한 방향 중 하나는 데이터 증강 또는 이미지 생성을 통해 도메인 외(OOD) 학습 데이터를 생성하는 것이다. AI 생성 콘텐츠(AIGC)의 급격한 발전에 따라, 본 논문은 강력한 사전학습된 텍스트-이미지(T2I) 기반 모델을 활용하여 학습 데이터를 생성하는 방법을 최초로 제안한다. 그러나 가능한 모든 도메인에 대해 이미지를 생성하기 위해 텍스트 프롬프트를 수동으로 설계하는 것은 종종 비현실적이며, 일부 도메인 특성은 언어로 설명하기에는 너무 추상적일 수 있다. 이러한 과제를 해결하기 위해, 본 연구는 사전학습된 확산 모델을 위한 새로운 점진적 적대적 프롬프트 튜닝(Progressive Adversarial Prompt Tuning, PAPT) 프레임워크를 제안한다. 정적인 텍스트 도메인에 의존하는 대신, 본 접근법은 확산 모델의 조건으로 두 세트의 추상 프롬프트를 학습한다: 하나는 도메인 불변 범주(category) 정보를 포착하고, 다른 하나는 도메인 특유의 스타일을 모델링한다. 이 적대적 학습 메커니즘은 T2I 모델이 핵심 범주적 특징을 보존하면서 다양한 도메인 스타일의 이미지를 생성할 수 있게 한다. 광범위한 실험을 통해 제안 방법의 효과를 입증하였으며, 최신 단일 도메인 일반화 접근법들보다 우수한 성능을 달성하였다.

arXiv:2609.07780v3cs.CV공통 태그 Domain Generalization

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.

arXiv:2606.18788v2cs.CV공통 태그 Style Transfer

HandwritingAgent: 확장 가능한 벡터 공간에서의 언어 구동 손글씨 합성

HandwritingAgent: Language-Driven Handwriting Synthesis in Scalable Vector Space

기계가 자연스러운 손글씨 스타일을 모방하도록 가르치는 것은 여전히 해결되지 않은 과제로 남아 있습니다. 이는 개인 간뿐만 아니라 한 사람의 손글씨 내에서도 모양, 질감, 압력, 필기체가 동적으로 변화하는 획 시퀀스(stroke sequences)를 합성해야 하기 때문입니다. 이 과제에 대한 시도는 주로 온라인 및 오프라인 설정에서 심층 학습(deep learning) 방법을 탐색해 왔습니다. 그러나 이러한 접근 방식은 종종 스타일 특정적 아키텍처 선택, 대규모 데이터셋(dataset)에 대한 과도한 의존, 높은 연산 비용, 그리고 자연어를 통한 작문 스타일에 대한 유연한 제어 부족으로 제한받습니다. 이를 위해 우리는 스타일 특정 학습(style-specific training) 없이 Scalable Vector Graphics (SVG) 형식으로 직접 자연스러운 손글씨 시퀀스를 합성할 수 있는 언어 구동 에이전트(agent)인 HandwritingAgent를 소개합니다. 해당 에이전트는 대규모 추론 모델(reasoning model)을 활용하여 이산 그리드 캔버스 환경(environment)에서 획 시퀀스로서 대상 손글씨 글리프(glyphs)를 기하학적으로 분석하고 자기회귀적으로 생성합니다. 생성은 대화형 또는 비대화형 모드로 제공되는 텍스트와 참조 손글씨 스타일 이미지를 기반으로 조건화됩니다. 모방, 인식, 다국어 손글씨 합성, 복잡한 손글씨 수학 및 과학 표현 생성에 이르는 다양한 손글씨 작업에 대한 실험은 성능의 상당한 개선을 나타냅니다. HandwritingAgent는 최첨단(SOTA) 생성형 손글씨 모델과 대등하거나 이를 능가하면서도 더 효율적이고 제어 가능하며 일반화 가능한 합성 방법을 제공합니다.

arXiv:2606.31411v2cs.CL공통 태그 Domain Generalization

그래디언트 역전과 변분 정보 병목을 통한 스푸핑 탐지의 언어적 바이어스 완화

Linguistic Bias Mitigation for Spoofing Detection via Gradient Reversal and A Variational Information Bottleneck

생성 음성 기술의 급속한 발전으로 인해 음성 생체인식의 신뢰성이 저하되고 있다. 현재의 스푸핑 탐지기는 도메인 내(in-domain) 조건에서는 우수한 성능을 보이지만, 도메인 외(out-of-domain) 환경으로의 일반화는 흔히 부진하다. 본 연구에서는 이것이 언어적 바이어스에 기인할 수 있음을 보인다. 학습 데이터에서 관찰된 언어적 단서에 대한 의존은 교차 데이터 간 견고성을 저해할 수 있다. 우리는 교사-학생 적대적 학습을 활용한 언어 불변(linguistic-invariant) 스푸핑 탐지 프레임워크를 제안한다. 외부 데이터셋의 언어적 내용으로 사전학습된 언어 인식 교사 모델은 그래디언트 역전(gradient reversal)을 통해 학생 탐지기를 안내하여 언어적 정보를 최소화한다. 비언어적 단서의 의도치 않은 제거를 방지하기 위해, 주요 단서의 억제를 가능하게 하는 변분 정보 병목(Variational Information Bottleneck)을 도입한다. 9개의 DF Arena 데이터셋에 걸쳐, 우리의 방법은 기준선 대비 EER에서 최대 36.2%의 상대적 감소를 달성한다.

arXiv:2607.13941v2cs.CV공통 태그 Domain Generalization

Peak-End-Net: 피크-엔드 규칙(peak-end rule)에서 영감을 받은 일반화 가능한 비디오 미적 평가 프레임워크

Peak-End-Net: A Peak-End Rule Inspired Framework for Generalizable Video Aesthetic Assessment

비디오 미적 평가(VAA)는 비디오가 미적으로 얼마나 만족스러운지 예측하는 것을 목표로 하지만, 다른 시각 평가 작업에 비해 훨씬 덜 탐구되어 왔다. 그 발전은 대규모 벤치마크(benchmark)의 부족뿐 아니라, 인간 지각에 의해 형성되는 미적 판단의 내재적 주관성에 의해서도 저해된다. 본 논문에서는 심리학적 관점에서 VAA를 재검토하고, 사람들이 시간적 경험을 주로 두드러진 순간(salient moments)과 끝(end)에 따라 판단하는 경향이 있다고 제안하는 피크-엔드 규칙에서 영감을 받은 경량이며 해석 가능한 프레임워크인 Peak-End-Net을 제안한다. 이 직관에 기반하여, 먼저 사전학습된 IAA 헤드를 도입하여 프레임별 미적 사전 신호(aesthetic priors)를 생성함으로써 이미지 미적 평가(IAA)에서 VAA로 지식을 전이한다. 이는 미적으로 두드러진 순간을 식별하고 피크-엔드 규칙 기반 시간적 집계(temporal aggregation)를 안내하는 대리 신호(surrogate signals) 역할을 한다. 또한 비디오가 시간에 따라 미적으로 어떻게 변화하는지 더 포착하기 위해, 고립된 순간을 넘어 시간적 진행(temporal progression)을 모델링하는 미적 리듬 인코더(aesthetic rhythm encoder)를 설계한다. 또한 분포 이동(distribution shift) 하에서의 견고성(robustness)을 향상시키기 위해 동적 게이트 융합(dynamic gated fusion) 메커니즘을 통해 전체 평가를 정제한다. 우리 방법은 고정된 비전 트랜스포머(ViT) 위에 구축되며, 학습 가능한 매개변수가 소량만 필요하여 확장 가능하고 매개변수 효율적(parameter-efficient)이다. VADB에서의 도메인 내(in-domain) 평가와 DIVIDE-3K에서의 교차 도메인(cross-domain) 테스트를 포함한 두 기존 VAA 벤치마크에 대한 광범위한 실험은, 우리 접근법이 최신(state-of-the-art) 성능을 달성함을 보여주며, VAA를 위한 심리학적 기반(psychologically grounded) 모델링의 가치를 확인한다. 코드와 모델은 https://github.com/AMAP-ML/Peak-End-Net 에서 이용할 수 있다.

arXiv:2607.21118v2cs.CV공통 태그 Domain Generalization

제2회 LoViF 2026 실세계 올인원 이미지 복원 챌린지: 방법과 결과

The Second LoViF 2026 Challenge on Real-World All-in-One Image Restoration: Methods and Results

본 논문은 실세계 올인원(all-in-one) 이미지 복원을 주제로 한 제2회 LoViF 챌린지에 대한 리뷰를 제시한다. 이 챌린지는 흐림, 저조도, 안개, 비, 눈 등 다양한 실세계 열화(degradation) 조건에서 통합 이미지 복원을 발전시키는 것을 목표로 한다. 통합 프레임워크 내에서 여러 열화 유형에 걸친 모델의 복원 정확도, 견고성(robustness), 일반화(generalization) 능력을 평가하기 위한 공통 벤치마크를 제공한다. 대회에는 158명의 등록 참가자가 참여했으며, 제출된 결과가 성공적으로 재현 및 검증된 후 20개 팀이 최종 순위에 포함되었다. 본 보고서는 제출된 솔루션과 해당 결과에 대한 포괄적인 분석을 제공하며, 실세계 올인원 이미지 복원 분야의 최근 진전을 강조한다. 요약된 방법과 실증적 발견은 효과적인 설계 전략을 드러내고, 실세계 저수준(low-level) 비전 분야의 향후 연구를 위한 업데이트된 벤치마크를 확립한다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.