arXiv cs.CV、内視鏡用「SCOPE-4D」を発表
arXiv cs.CVは9月30日(現地時間)、内視鏡動画からカメラパラメータ、稠密な幾何情報、および3D組織軌跡を一度のフォワードパスで予測する「SCOPE-4D」を発表した。単眼RGB動画を基にこれらの情報を同時に生成する、内視鏡用の4D幾何学基盤モデルとして開発された。本モデルは、内視鏡幾何学学習の二つの主要課題に対応する。
Tag
#Computer-Vision
7 件の関連記事
基盤モデル構成のセマンティック保持 研究で情報損失のメカニズム解明
arXiv cs.CVが2026年9月13日(現地時間)付けで報じたところによると、サイラス・クワブラ・ガー (Silas Kwabla Gah) 氏とエベネザー・オウス (Ebenezer Owusu) 氏らは、独立して事前学習され凍結された基盤モデルを推論時に組み合わせる際のセマンティック情報保持に関する研究成果を発表した。同研究は、異なるソースがインタラクション前に単一のクラスに集約されることで、どの程度の有用なセマンティック情報が失われるかを検証。この時期尚早なセマンティック崩壊が反復可能な情報ボトルネックであることを示した。
arXiv、火災で変形したオブジェクト理解の新ベンチマークと修復モジュール発表
arXivは2026年9月10日(現地時間)、火災により物理的に変形したオブジェクトを理解するための新たな研究成果を発表した。この研究では、火災後のオブジェクト認識能力を評価する変換認識型ベンチマーク「TRACE」と、既存モデルの性能低下を改善するプラグアンドプレイモジュール「FRM」を導入している。既存の視覚モデルは深刻な劣化条件下で著しい性能低下を示す点が課題となっていた。
arXiv、LLMを用いたダークネットCAPTCHA突破法を報告
arXiv cs.CRは2026年8月27日(現地時間)、Benjamin Fehrensen氏およびJens Hubler氏による、ダークネット環境で使用されるCAPTCHAの自動突破に関する研究成果を公開した。この研究では、JavaScriptに依存しない特殊なCAPTCHAに対し、Multimodal Large Language Models (MLLM)と古典的なコンピュータービジョン技術を組み合わせたハイブリッドフレームワークを適用。空間的位置特定や幾何学的変換におけるMLLMの課題を補完し、90%を超える成功率を達成したと報告している。
LumiTokens、トークン空間変換で3Dリライティングの新手法を提案
Yiwen Chen氏らの研究チームは2026年8月18日(現地時間)、オンライン学術論文リポジトリ「arXiv cs.CV」に掲載された論文で、新たな3Dリライティングフレームワーク「LumiTokens」を提案したと見られる。従来の3Dリライティング手法が新しい照明条件ごとに完全な再計算を必要とするのに対し、LumiTokensは3Dリライティングを潜在的なシーントークンへの直接変換として定式化していると説明されている。この手法は、明示的な3D表現やレンダリング方程式、物理ベースの分解を必要としない点を特徴とする。
Apple、マルチモーダルLLMのハルシネーション対策研究を発表 — 独自データ生成で実用化に道
Appleは2026年8月(現地時間)、マルチモーダル大規模言語モデル（MLLM）におけるアラインメントに関する包括的な研究を発表した。大規模言語モデル（LLM）の性能向上に不可欠な選好アラインメントについて、MLLMでの影響はこれまで十分に探求されてこなかった。本研究は、MLLMが画像理解タスクで直面するハルシネーション（誤った情報の生成）などの課題に対し、モデルの応答を画像情報により正確に一致させることを目的とする。特に、追加のアノテーションや外部モデルを必要としない新しいマルチモーダル選好データ作成手法「Bias-Driven Hallucination Sampling (BDHS)」を導入し、エッジデバイスでのMLLM実用化への道を拓く可能性を示唆している。
arXiv cs.CV、視覚特徴の3D空間出現を分析する論文公開
arXiv cs.CVは2026年7月16日(現地時間)、「SeeSE3: Emergence of 3D Space in Vision Features」と題する論文を発表した。本研究は、vision foundation modelsが3Dユークリッド空間の固有特性を反映した表現を構築するかを調査し、視覚特徴空間の構造とユークリッド変換群SE(3)の関係性を検証。新たな評価プローブを提案し、self-supervised vision modelsが3次元ユークリッド空間と強く相関する潜在部分空間を持つことを示唆した。