Fugu-MT 論文翻訳(概要): CORE-Seg: Reasoning-Driven Segmentation for Complex Lesions via Reinforcement Learning

論文の概要: CORE-Seg: Reasoning-Driven Segmentation for Complex Lesions via Reinforcement Learning

arxiv url: http://arxiv.org/abs/2603.05911v1
Date: Fri, 06 Mar 2026 04:58:55 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-09 13:17:45.097361
Title: CORE-Seg: Reasoning-Driven Segmentation for Complex Lesions via Reinforcement Learning
Title（参考訳）: CORE-Seg:強化学習による複雑な病変に対する推論駆動セグメンテーション
Abstract要約: 推論駆動型複雑病変セグメンテーションのための最初の多種多様なChain-of-ThoughtベンチマークであるComLesion-14Kを紹介する。本稿では,セマンティックガイド型プロンプトアダプタによる推論とセグメンテーションを統合したエンドツーエンドフレームワークであるCORE-Segを提案する。我々の手法は、平均Diceが37.06%(第2ベットベースラインよりも14.89%高い)であり、失敗率は18.42%に低下する。
参考スコア（独自算出の注目度）: 48.77689764063103
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Medical image segmentation is undergoing a paradigm shift from conventional visual pattern matching to cognitive reasoning analysis. Although Multimodal Large Language Models (MLLMs) have shown promise in integrating linguistic and visual knowledge, significant gaps remain: existing general MLLMs possess broad common sense but lack the specialized visual reasoning required for complex lesions, whereas traditional segmentation models excel at pixel-level segmentation but lack logical interpretability. In this paper, we introduce ComLesion-14K, the first diverse Chain-of-Thought (CoT) benchmark for reasoning-driven complex lesion segmentation. To accomplish this task, we propose CORE-Seg, an end-to-end framework integrating reasoning with segmentation through a Semantic-Guided Prompt Adapter. We design a progressive training strategy from SFT to GRPO, equipped with an adaptive dual-granularity reward mechanism to mitigate reward sparsity. Our Method achieves state-of-the-art results with a mean Dice of 37.06\% (14.89\% higher than the second-best baseline), while reducing the failure rate to 18.42\%. Project Page: https://xyxl024.github.io/CORE-Seg.github.io/
Abstract（参考訳）: 医用画像のセグメンテーションは、従来の視覚パターンマッチングから認知的推論分析へのパラダイムシフトを受けている。 MLLM(Multimodal Large Language Models)は言語的知識と視覚的知識の統合を約束しているが、大きなギャップは残る: 既存のMLLMは広義の常識を持っているが、複雑な病変に対して特別な視覚的推論が欠けているのに対して、従来のセグメンテーションモデルはピクセルレベルのセグメンテーションで優れているが論理的解釈性は欠如している。本稿では,推理駆動型複雑病変セグメンテーションのためのCoT(Chain-of-Thought)ベンチマークであるComLesion-14Kを紹介する。そこで本研究では,セマンティックガイド型プロンプトアダプタによる推論とセグメンテーションを統合した,エンドツーエンドのフレームワークであるCORE-Segを提案する。 SFTからGRPOへのプログレッシブトレーニング戦略を設計し、適応的な二重粒度報酬機構を備え、報酬の分散を緩和する。本手法は, 平均Diceが37.06\%(第2ベットベースラインよりも14.89\%高い)であり, 故障率を18.42\%に下げる。 Project Page: https://xyxl024.github.io/CORE-Seg.github.io/

関連論文リスト

DGSeg: Dynamic Gating of Semantic-Spatial Guided Predictions for Reasoning Segmentation [5.5825182710791275]
推論セグメンテーションは、複雑な言語クエリが与えられたターゲットに対してピクセルワイズマスクを予測することを目的としている。本稿では,意味的および空間的手がかりによって導かれる予測を融合させるフレームワークであるDGSegを提案する。実験によると、DGSegは複数のベンチマークで強いベースラインを一貫して上回っている。
論文参考訳（メタデータ） (2026-07-06T08:10:03Z)
CR-Seg: Attention-Guided and CoT-Enhanced Coarse-to-Refined Reasoning Segmentation [26.21876180083083]
Reasoning segmentation は、複雑な言語で記述されたターゲットオブジェクトを視覚的・テキスト的推論によって分割することを目的としている。既存の手法では、学習したセマンティックトークンを使ってMLLM(Multimodal Large Language Models)とセグメンテーションモデルをブリッジする。本稿では,空間分割のための2段階フレームワークCR-Segを提案する。
論文参考訳（メタデータ） (2026-06-02T12:30:04Z)
Milestones over Outcome: Unlocking Geometric Reasoning with Sub-Goal Verifiable Reward [67.00373428443879]
サブゴールレベルの評価と学習へのパラダイムシフトを導入する。まず,厳密な形式検証データエンジンを用いたベンチマークであるGeoGoalを構築した。本研究では,スケルトンレートに基づいて,スパース信号を高密度な報酬に置き換えるサブゴール検証リワード(SGVR)フレームワークを提案する。
論文参考訳（メタデータ） (2026-01-08T16:17:56Z)
Bridging Semantics and Geometry: A Decoupled LVLM-SAM Framework for Reasoning Segmentation in Remote Sensing [8.731693840957716]
Think2Seg-RSはLVLMプロンプトをトレーニングし、構造化された幾何学的プロンプトを介して凍ったセグメンション・アプライシング・モデル(SAM)を制御するフレームワークである。このフレームワークは、EarthReasonデータセット上で最先端のパフォーマンスを達成する。コンパクトセグメンタは、意味レベルの監督の下でより大きなセグメンタより優れており、異種空中背景において負のプロンプトは効果がない。
論文参考訳（メタデータ） (2025-12-22T11:46:42Z)
Through the Looking Glass: A Dual Perspective on Weakly-Supervised Few-Shot Segmentation [46.635612270422655]
メタラーニングは、同じカテゴリと類似属性を特徴とする均一なサポートクエリペアを均一にサンプリングすることを目的としている。この同一のネットワーク設計は、過剰なセマンティックな均質化をもたらす。本稿では,相補性を向上し,意味的共通性を維持するための,新しい異種ネットワークを提案する。弱教師付き少ショットセマンティックセグメンテーション(WFSS)タスクでは、TLGはPascal-5textsuperscriptiで13.2%、COCO-20textsuperscriptiで9.7%改善している。
論文参考訳（メタデータ） (2025-08-22T07:29:30Z)
LENS: Learning to Segment Anything with Unified Reinforced Reasoning [38.582392908238866]
LENSは拡張性のある強化学習フレームワークで、推論プロセスとセグメンテーションをエンドツーエンドで共同で最適化する。 LENSはRefCOCO、RefCOCO+、RefCOCOgのベンチマークで平均81.2%のcIoUを達成し、GLaMMという強力な微調整法を最大5.6%上回っている。
論文参考訳（メタデータ） (2025-08-19T17:59:53Z)
LIRA: Inferring Segmentation in Large Multi-modal Models with Local Interleaved Region Assistance [54.683384204063934]
大規模マルチモーダルモデル(LMM)は不正確なセグメンテーションと幻覚的理解に苦しむ。視覚的理解とセグメンテーションの相補的関係を生かしたフレームワークであるLIRAを提案する。 LIRAはセグメンテーションと理解タスクの両方で最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2025-07-08T07:46:26Z)
DeRIS: Decoupling Perception and Cognition for Enhanced Referring Image Segmentation through Loopback Synergy [20.581841892290672]
RISを認知と認知という2つの重要な構成要素に分解する新しいフレームワークであるDeRISを提案する。以上の結果から,従来のモデルでは知覚障害ではなく,マルチモーダル認知能力が不十分であることが示唆された。本稿では,ターゲット存在判定に関連する長期分布問題に対処するため,単純な非参照型サンプル変換データ拡張を提案する。
論文参考訳（メタデータ） (2025-07-02T14:14:35Z)
Think Before You Segment: High-Quality Reasoning Segmentation with GPT Chain of Thoughts [64.93416171745693]
ThinkFirstはトレーニング不要の推論セグメンテーションフレームワークである。我々のアプローチでは、GPT-4oや他の強力なMLLMが画像の詳細なチェーン記述を生成することができる。この要約された記述は、セグメンテーションプロセスを支援するために言語で指示されたセグメンテーションアシスタントに渡される。
論文参考訳（メタデータ） (2025-03-10T16:26:11Z)
Learning What Not to Segment: A New Perspective on Few-Shot Segmentation [63.910211095033596]
近年では、FSS ( few-shot segmentation) が広く開発されている。本稿では,問題を緩和するための新鮮で直接的な知見を提案する。提案されたアプローチのユニークな性質を踏まえて、より現実的で挑戦的な設定にまで拡張する。
論文参考訳（メタデータ） (2022-03-15T03:08:27Z)
DONet: Dual Objective Networks for Skin Lesion Segmentation [77.9806410198298]
本稿では,皮膚病変のセグメンテーションを改善するために,Dual Objective Networks (DONet) という,シンプルで効果的なフレームワークを提案する。我々のDONetは2つの対称デコーダを採用し、異なる目標に近づくための異なる予測を生成する。皮膚内視鏡画像における多種多様な病変のスケールと形状の課題に対処するために,再帰的コンテキスト符号化モジュール(RCEM)を提案する。
論文参考訳（メタデータ） (2020-08-19T06:02:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。