論文の概要: SegMaFormer: A Hybrid State-Space and Transformer Model for Efficient Segmentation

• arxiv url: http://arxiv.org/abs/2603.22002v1
• Date: Mon, 23 Mar 2026 14:08:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.703657
• Title: SegMaFormer: A Hybrid State-Space and Transformer Model for Efficient Segmentation
• Title（参考訳）: SegMaFormer: 効率的なセグメンテーションのためのハイブリッドステートスペースとトランスフォーマーモデル
• Authors: Duy D. Nguyen, Phat T. Tran-Truong,
• Abstract要約: SegMaFormerは、階層的なボリュームエンコーダ内でMambaとTransformerモジュールを相乗化する軽量なハイブリッドアーキテクチャである。 SegMaFormerは3つの公開ベンチマーク(Synapse、BraTS、ACDC)で競合性能を達成する 提案手法はパラメータを最大75倍に削減し,現在の最先端モデルと比較してFLOPを大幅に削減する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The advent of Transformer and Mamba-based architectures has significantly advanced 3D medical image segmentation by enabling global contextual modeling, a capability traditionally limited in Convolutional Neural Networks (CNNs). However, state-of-the-art Transformer models often entail substantial computational complexity and parameter counts, which is particularly prohibitive for volumetric data and further exacerbated by the limited availability of annotated medical imaging datasets. To address these limitations, this work introduces SegMaFormer, a lightweight hybrid architecture that synergizes Mamba and Transformer modules within a hierarchical volumetric encoder for efficient long-range dependency modeling. The model strategically employs Mamba-based layers in early, high-resolution stages to reduce computational overhead while capturing essential spatial context, and reserves self-attention mechanisms for later, lower-resolution stages to refine feature representation. This design is augmented with generalized rotary position embeddings to enhance spatial awareness. Despite its compact structure, SegMaFormer achieves competitive performance on three public benchmarks (Synapse, BraTS, and ACDC), matching the Dice coefficient of significantly larger models. Empirically, our approach reduces parameters by up to 75x and substantially decreases FLOPs compared to current state-of-the-art models, establishing an efficient and high-performing solution for 3D medical image segmentation.
• Abstract（参考訳）: TransformerとMambaベースのアーキテクチャの出現は、CNN(Convolutional Neural Networks)で伝統的に制限されていたグローバルなコンテキストモデリングを可能にすることで、3次元の医用画像セグメンテーションを大幅に進歩させた。 しかし、最先端のトランスフォーマーモデルは、特にボリュームデータでは禁止され、注釈付き医用画像データセットの限られた利用によりさらに悪化する、相当な計算複雑性とパラメータ数を必要とすることが多い。 これらの制限に対処するため、この作業では、MambaとTransformerモジュールを階層的なボリュームエンコーダ内で相乗化する軽量なハイブリッドアーキテクチャであるSegMaFormerを導入し、効率的な長距離依存性モデリングを実現した。 このモデルはマンバをベースとした初期高解像度の層を戦略的に利用し、空間的コンテキストを重要視しながら計算オーバーヘッドを低減し、後段の低解像度の層に対して自己認識機構を保ち、特徴表現を洗練させる。 この設計は、空間認識を高めるため、一般化された回転位置埋め込みで拡張される。 コンパクトな構造にもかかわらず、SegMaFormerは3つの公開ベンチマーク(Synapse、BraTS、ACDC)で競合性能を達成し、かなり大きなモデルのDice係数と一致する。 実験により, パラメータを最大75倍に削減し, FLOPを現在の最先端モデルと比較して大幅に低減し, 3次元医用画像セグメンテーションの効率的かつ高性能なソリューションを確立した。

関連論文リスト

• MOBIUS: Big-to-Mobile Universal Instance Segmentation via Multi-modal Bottleneck Fusion and Calibrated Decoder Pruning [91.90342432541138]
  モデルサイズとトレーニングデータのスケールアップには、インスタンスレベルの知覚のための高度な基盤モデルがある。 資源制約されたプラットフォームにおける高い計算コスト制限。 我々は,高性能コンピューティングプラットフォームとモバイルデバイスの両方において,効率的なセグメンテーションのための新しいベンチマークを導入する。
  論文  参考訳（メタデータ） (2025-10-16T18:00:00Z)
• High-Fidelity Scientific Simulation Surrogates via Adaptive Implicit Neural Representations [51.90920900332569]
  入射神経表現(INR)は空間的に構造化されたデータをモデリングするためのコンパクトで連続的なフレームワークを提供する。 近年のアプローチでは、剛性幾何学的構造に沿った付加的な特徴を導入することでこの問題に対処している。 機能適応型INR(FA-INR)を提案する。
  論文  参考訳（メタデータ） (2025-06-07T16:45:17Z)
• Hypergraph Mamba for Efficient Whole Slide Image Understanding [10.285000840656808]
  ホイルスライド画像 (WSI) は, 超高解像度, 大規模, 複雑な空間関係のため, 医用画像解析において重要な課題となっている。 本稿では,ハイパーグラフニューラルネットワーク(HGNN)の高次リレーショナルモデリング機能と状態空間モデルの線形時間逐次モデリング効率を一体化する新しいフレームワークであるWSI-HGMambaを紹介する。
  論文  参考訳（メタデータ） (2025-05-23T04:33:54Z)
• MambaIC: State Space Models for High-Performance Learned Image Compression [40.155314987485376]
  多数のフィールドをまたいだリアルタイム情報伝送には,高性能な画像圧縮アルゴリズムが不可欠である。 状態空間モデル(SSM)の長距離依存性の捕捉効果に着想を得て,SSMを利用して既存手法の計算不効率に対処する。 そこで本稿では,MambaICと呼ばれる洗練されたコンテキストモデリングによる画像圧縮手法を提案する。
  論文  参考訳（メタデータ） (2025-03-16T11:32:34Z)
• SegResMamba: An Efficient Architecture for 3D Medical Image Segmentation [2.979183050755201]
  本稿では,SegResMambaという医用画像の効率的な3次元分割モデルを提案する。 我々のモデルは、他の最先端(SOTA)アーキテクチャと比較して、トレーニング中に半分未満のメモリを使用します。
  論文  参考訳（メタデータ） (2025-03-10T18:40:28Z)
• Efficient High-Resolution Visual Representation Learning with State Space Model for Human Pose Estimation [60.80423207808076]
  高解像度の視覚表現を維持しながら長距離依存関係をキャプチャすることは、人間のポーズ推定のような密集した予測タスクに不可欠である。 マルチスケールの畳み込み操作で視覚状態空間モデルを拡張する動的ビジュアル状態空間(DVSS)ブロックを提案する。 HRVMambaは効率的な高分解能表現学習のための新しいモデルである。
  論文  参考訳（メタデータ） (2024-10-04T06:19:29Z)
• MambaClinix: Hierarchical Gated Convolution and Mamba-Based U-Net for Enhanced 3D Medical Image Segmentation [6.673169053236727]
  医用画像分割のための新しいU字型アーキテクチャであるMambaClinixを提案する。 MambaClinixは、階層的なゲート畳み込みネットワークとMambaを適応的なステージワイドフレームワークに統合する。 以上の結果から,MambaClinixは低モデルの複雑さを維持しつつ高いセグメンテーション精度を達成できることが示唆された。
  論文  参考訳（メタデータ） (2024-09-19T07:51:14Z)
• SegFormer3D: an Efficient Transformer for 3D Medical Image Segmentation [0.13654846342364302]
  マルチスケールボリューム機能にまたがる注目度を算出する階層変換器であるSegFormer3Dを提案する。 SegFormer3Dは複雑なデコーダを避け、全MLPデコーダを使用して、ローカルおよびグローバルなアテンション機能を集約する。 広く使われている3つのデータセット上で、現在のSOTAモデルに対してSegFormer3Dをベンチマークする。
  論文  参考訳（メタデータ） (2024-04-15T22:12:05Z)
• MISSU: 3D Medical Image Segmentation via Self-distilling TransUNet [55.16833099336073]
  医用画像セグメンテーションのためのトランスフォーマーベースUNetを提案する。 グローバルな意味情報と局所的な空間的詳細特徴を同時に学習する。 MISSUは従来の最先端手法よりも優れた性能を発揮する。
  論文  参考訳（メタデータ） (2022-06-02T07:38:53Z)

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。