日次キュレーション 2026-7-9

ProxyPoseは6-DoF姿勢追跡を動画-動画変換として再構成する手法である。入力はビデオとフレーム1のマーク付きピクセルのみで、微調整された動画拡散モデルが入力を代理動画に変換する。代理動画は着色多面体が追跡対象の局所的な剛体運動と同じ動きをする合成ビデオであり、幾何学と外観が既知のため、古典的な姿勢推定で6-DoF軌跡が復元可能である。大規模動画事前学習により困難な側面を吸収し、3Dモデル・深度マップ・物体マスク・特徴を要さずSOTA精度を達成した。顔追跡・カメラ姿勢推定・難しい野外シーンにも拡張可能である。

ProxyPoseは、ビデオと最初のフレームのマーク付きピクセルだけで物体や表面の6-DoF姿勢を追跡する手法である。微調整された動画拡散モデルが入力を代理動画に変換し、代理動画は追跡対象と同じ動きをする着色多面体となる。既知の幾何学と外観から古典的な姿勢推定で全6-DoF軌跡が復得られる。従来必要だった3Dモデルや深度マップなしに最先端精度を達成した。

ProxyPoseはビデオと一つのマーク付きピクセルから物体の6-DoF姿勢を追跡する。動画拡散モデルが入力を追跡対象と同じ動きをする着色多面体の合成動画に変換し、古典的姿勢推定で6軸の動きを復元する。

本論文はMSA-DCNN（Multi-Scale deformable Attention-based DCNN）を提案する。医療画像分類における既存深層学習法は固定サンプリングに由来する複数スケール形態学への対応不足とデータ不足に課題を持つ。提案手法は適応的複数スケールサンプリング、スケール内顕著性精緻化、学習された交スケール融合、自己蒸留を統一最適化スキーム内に統合した。3つの公開ベンチマークと白血病外部保留テストセットで評価し、分布シフトおよびラベル不足下で、より少ないパラメータを使いながらViT基準、CNN基準、MICCAIセミ教師あり基準に対し競争的またはより優れた精度、F1、AUCを示した。

医療画像分類向けのMSA-DCNNを提案する。適応的複数スケール処理と自己蒸留を統合し、少ないパラメータで既存手法（ViT、CNN、セミ教師あり学習）に対し競争的またはより優れた性能を示した。3つの公開ベンチマークと白血病データセットで評価。

医療画像分類用のMSA-DCNNを提案。複数スケール処理と自己蒸留の統合で、少ないパラメータでViT・CNN基準を上回る性能を達成。

ICML 2026はソウルのCOEX Convention & Exhibition Centerで開催される第43回国際機械学習会議。Googleはダイヤモンドスポンサーとして、Google ResearchおよびGoogle DeepMindから130件以上の採択論文、27のワークショップ、6つの位置論文、4つのジャーナルトラック論文を発表。Booth B206でコンピュータビジョン、機械知覚、Project Astra、AlphaEarth、Gemini、ロボティクスなど複数分野の実装デモとQ&Aセッションを実施予定。

ICML 2026がソウルで7月6-11日に開催される。Googleはダイヤモンドスポンサーとして130件以上の論文、27個のワークショップを発表。Booth B206でコンピュータビジョン、Project Astra、AlphaEarth Foundations、Gemini、ロボティクスなどのデモとセッションを実施。

ICML 2026がソウルで開催。Googleはダイヤモンドスポンサーとして130件以上の論文発表とワークショップ27個を参加。ブースでビジョン、Project Astra、ロボティクスなどのデモを実施。