論文の概要: Direct Segmentation without Logits Optimization for Training-Free Open-Vocabulary Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2604.07723v1
• Date: Thu, 09 Apr 2026 02:14:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.639082
• Title: Direct Segmentation without Logits Optimization for Training-Free Open-Vocabulary Semantic Segmentation
• Title（参考訳）: 学習自由なオープンボキャブラリセマンティックセマンティックセマンティックセマンティックセマンティックセマンティクスのためのログなし直接セマンティクス
• Authors: Jiahao Li, Yang Lu, Yachao Zhang, Fangyong Wang, Yuan Xie, Yanyun Qu,
• Abstract要約: Open-vocabulary semantic segmentation (OVSS) は、画像中の任意のカテゴリ領域をopen-vocabulary promptsを用いて分割することを目的としている。 セグメント化マップの解析解を直接導出することにより,ロジット最適化プロセスを改善する,より直接的なアプローチを提案する。
• 参考スコア（独自算出の注目度）: 48.806000388608005
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Open-vocabulary semantic segmentation (OVSS) aims to segment arbitrary category regions in images using open-vocabulary prompts, necessitating that existing methods possess pixel-level vision-language alignment capability. Typically, this capability involves computing the cosine similarity, \ie, logits, between visual and linguistic features, and minimizing the distribution discrepancy between the logits and the ground truth (GT) to generate optimal logits that are subsequently used to construct segmentation maps, yet it depends on time-consuming iterative training or model-specific attention modulation. In this work, we propose a more direct approach that eschews the logits-optimization process by directly deriving an analytic solution for the segmentation map. We posit a key hypothesis: the distribution discrepancy encodes semantic information; specifically, this discrepancy exhibits consistency across patches belonging to the same category but inconsistency across different categories. Based on this hypothesis, we directly utilize the analytic solution of this distribution discrepancy as the semantic maps. In other words, we reformulate the optimization of the distribution discrepancy as deriving its analytic solution, thereby eliminating time-consuming iterative training, freeing us from model-specific attention modulation, and achieving state-of-the-art performance on eight benchmark datasets.
• Abstract（参考訳）: Open-vocabulary semantic segmentation (OVSS) は、画像中の任意のカテゴリ領域をオープンな語彙プロンプトを使って分割することを目的としており、既存のメソッドにはピクセルレベルの視覚言語アライメント機能が必要である。 通常、この能力は、視覚的特徴と言語的特徴の間のコサイン類似性(cosine similarity, \ie, logits, between visual and language features)を計算し、ロジットと基底真実(GT)の間の分布差を最小化し、次にセグメンテーションマップを構築するのに使用される最適なロジットを生成する。 そこで本研究では,セグメント化マップの解析解を直接導出することにより,ロジット最適化のプロセスを改善する,より直接的なアプローチを提案する。 分布の不一致は意味情報を符号化し、特に、この不一致は、同じカテゴリに属するが、異なるカテゴリにまたがる一貫性を示す。 この仮説に基づいて,この分布の相違性の解析解を直接意味マップとして活用する。 言い換えれば、分散不一致の最適化を解析解の導出として再構成し、時間を要する反復訓練を排除し、モデル固有の注意変調から解放し、8つのベンチマークデータセット上で最先端のパフォーマンスを達成する。

関連論文リスト

• Optimizing against Infeasible Inclusions from Data for Semantic Segmentation through Morphology [58.17907376475596]
  最先端セマンティックセグメンテーションモデルは通常、データ駆動方式で最適化される。 InSeInは、手元に設定されたセグメンテーショントレーニングから空間クラス関係を規定する明示的な包含制約を抽出する。 そして、予測可能性を促進するために、トレーニング中にこれらの制約の違反を罰する形態的だが差別的な損失を強制する。
  論文  参考訳（メタデータ） (2024-08-26T22:39:08Z)
• Stochastic Segmentation with Conditional Categorical Diffusion Models [3.8168879948759953]
  Denoising Diffusion Probabilistic Models に基づくセマンティックセグメンテーションのための条件カテゴリー拡散モデル(CCDM)を提案する。 以上の結果から,CCDMはLIDC上での最先端性能を実現し,従来のセグメンテーションデータセットであるCityscapesのベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2023-03-15T19:16:47Z)
• Object Representations as Fixed Points: Training Iterative Refinement Algorithms with Implicit Differentiation [88.14365009076907]
  反復的洗練は表現学習に有用なパラダイムである。 トレーニングの安定性とトラクタビリティを向上させる暗黙の差別化アプローチを開発する。
  論文  参考訳（メタデータ） (2022-07-02T10:00:35Z)
• FDA: Fourier Domain Adaptation for Semantic Segmentation [82.4963423086097]
  本稿では,教師なし領域適応の簡易な手法について述べる。一方の低周波スペクトルを他方と交換することにより,音源と対象分布の相違を低減できる。 本手法を意味的セグメンテーション(semantic segmentation, 意味的セグメンテーション, 意味的セグメンテーション)で説明する。 以上の結果から,より高度な手法が学習に苦しむデータにおいて,単純な手順であってもニュアンス変動を低減できる可能性が示唆された。
  論文  参考訳（メタデータ） (2020-04-11T22:20:48Z)

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。