HiProto：低品質な撮像条件下で解釈可能な物体検出を実現するための階層的プロトタイプ学習
arXiv cs.CV / 2026/4/16
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- HiProtoは、低品質な撮像条件下でもクラスの意味論を安定に保つために、階層的プロトタイプ学習を用いる解釈可能な物体検出フレームワークとして提案されている。
- この手法では、3つの学習コンポーネントを導入する。対象領域への意味的焦点を高めるためのRegion-to-Prototype Contrastive Loss（RPC-Loss）、クラス・プロトタイプの識別性をより強くするためのPrototype Regularization Loss（PR-Loss）、および教師信号の不一致を減らすためのScale-aware Pseudo Label Generation Strategy（SPLGS）である。
- ExDark、RTTS、VOC2012-FOGでの実験では、プロトタイプの応答挙動を通じて解釈可能性を維持しつつ、競争力のある検出性能が示されている。
- このアプローチは、画像強調や不自然に複雑なアーキテクチャを避けることを意図しており、頑健性と解釈可能性を同時に目指している。
- 著者らは、再現性とさらなる実験のために、指定されたGitHubリポジトリでコードを利用可能であると発表している。
