02 · 候補枠を出す
03 · 一つの枠を選ぶ
引き出しの切り抜き前の 04 で得た画像
候補ボックスFaster R-CNN
一つを選ぶUCBUCB は平均点と探索項を組み合わせ、評価の少ない候補にも機会を与える。
画像と語の一致Qwen2-VL視覚言語モデルが切り抜きと目標語の一致度を採点し、その候補の平均と回数を更新する。
一貫性高い平均・小さな変動評価予算の終了後に平均点で順位を付け、明るさ・回転・倍率を少し変えて平均と変動幅を確かめる。
採用した取っ手の枠x: 200–320 · y: 90–120採用した机の領域を切り抜いて引き出しを探し、引き出しを切り抜いて取っ手を探す。新しい画像ごとに 02 と 03 を繰り返す。図では机の原点を元画像内の (120, 140)、引き出しの原点を机内の (90, 80) とする。したがって、引き出し画像の原点は元画像内の (210, 220) になる。このずれを記録すれば、局所的に細かく探しても元の位置を失わない。
検出列を終了許された再試行でも通過する候補がなければ、この段階で検出列を終え、それまでの領域を残す。
予算終了後、平均点順に
平均と回数を更新
不通過：同じ段階の次候補
再試行後も通過なし
01 で決めた現在の目標語：「黒い取っ手」
採用した枠 → 04