QMSR: クエリ条件付きマスク単位エキスパートルーティングによる頑健なオープンボキャブラリ水中物体検索

- 水中環境でのopen-vocabulary object retrievalを対象としたフレームワークQMSRを提案。 - query-conditioned mask-wise expert routingを採用し、queryとcandidateのペアごとにpretrained UIE expertを選択。 - Raw表現とExpert表現の連続的なfusion strengthを予測し、適応的なenhancementを実現。 - 固定UIE戦略がRaw表現に劣る場合がある問題に対処。

- 従来の固定UIE戦略はuniform preprocessingとして適用され、Raw表現を下回る可能性があった。 - QMSRはqueryとcandidateのペアごとにexpert選択とfusion strengthを適応的に決定。 - image-query shared routerと比較してNDCG@10を17.6%改善。 - 固定UIE戦略を一貫して上回り、held-out query categoriesでも有効。

- query-conditioned mask-wise expert routing framework。 - 各query-candidateペアに対しpretrained UIE expertを1つ選択し、Raw-Expert fusion strengthを連続値で予測。 - 学習時にはprivileged ranking oracleがexpert選択とfusion strengthのsupervisionを提供。 - annealed soft-routing relaxationによりhard Top-1 routing policyの最適化を促進。

- NDCG@10を指標に評価。 - image-query shared routerと比較して17.6%の改善を確認。 - 固定UIE戦略を一貫して上回ることを示す。 - held-out query categoriesでも有効性を確認。

- 固定UIE戦略がRaw表現に劣る場合があることを指摘し、uniform preprocessingの限界を議論。 - query-conditionedかつcandidate-specificなenhancement routingの有効性を主張。 - 具体的な限界や失敗事例、計算コストなどは要旨からは不明。

- 要旨で参照/比較されている研究: 固定UIE戦略、image-query shared router、Raw representation。 - 関連手法: underwater image enhancement (UIE)、open-vocabulary object retrieval。 - 同分野の定番: 水中画像処理やopen-vocabulary retrievalの一般的な手法。