論文の概要: B-GRTO: Bootstrapped Group Relative Tool Optimization for Referring Segmentation

• arxiv url: http://arxiv.org/abs/2605.23500v1
• Date: Fri, 22 May 2026 11:04:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.32292
• Title: B-GRTO: Bootstrapped Group Relative Tool Optimization for Referring Segmentation
• Title（参考訳）: B-GRTO: セグメンテーション参照のためのブートストラップ型グループ相対ツール最適化
• Authors: Mario Markov, Stefan Maria Ailuro, Mohammad Mahdi, Luc Van Gool, Danda Pani Paudel,
• Abstract要約: 異なるツールを使用するポリシーを共同で最適化するためのグループ相対ツール最適化(GRTO)を導入する。 GRTOは、グループ相対ポリシー最適化(GRPO)のロールアウトを再利用し、補助ツールの目的を最適化し、デコーダ勾配がポリシー報酬を補完する。 B-GRTOは、標準GRPOよりも大幅に改善され、ドメイン固有の最先端メソッドに適合または超越する。
• 参考スコア（独自算出の注目度）: 52.210953881548996
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Segmentation is a fundamental task in computer vision, underpinning pixel-level scene understanding and serving as a cornerstone for applications ranging from autonomous perception to medical image analysis. For complex referring segmentation, recent methods pair large vision-language models with segmentation decoders: the former analyzes the image and prompt, while the latter predicts the target mask. Although reinforcement learning improves reasoning-intensive vision-language systems, trainable tools such as segmentation decoders are typically optimized separately with differentiable objectives, and the principled integration of such objectives into reinforcement learning remains underexplored. Thus, we introduce group relative tool optimization (GRTO), a mathematically grounded framework for jointly optimizing a policy with differentiable tool use. GRTO reuses group relative policy optimization (GRPO) rollouts to optimize the auxiliary tool objective, letting decoder gradients complement policy rewards. Further, we derive Bootstrapped-GRTO (B-GRTO), a pre-training method that cheaply bootstraps the tool, leading to faster convergence and superior performance. Across three challenging referring segmentation settings, B-GRTO results in substantial improvements over plain GRPO, matching or surpassing domain-specific state-of-the-art methods. This demonstrates the value of unifying reinforcement learning with differentiable auxiliary objectives for reasoning-intensive segmentation.
• Abstract（参考訳）: セグメンテーションはコンピュータビジョンにおける基本的なタスクであり、ピクセルレベルのシーン理解の基盤となり、自律的な知覚から医療画像分析まで幅広い応用の基礎となる。 複雑な参照セグメンテーションのために、最近の手法では、大きな視覚言語モデルとセグメンテーションデコーダを組み合わせ、前者は画像とプロンプトを分析し、後者はターゲットマスクを予測する。 強化学習は推論集約型視覚言語システムを改善するが、分節デコーダのような訓練可能なツールは通常、異なる目的によって個別に最適化される。 そこで本研究では,グループ相対ツール最適化(GRTO)について紹介する。 GRTOは、グループ相対ポリシー最適化(GRPO)のロールアウトを再利用し、補助ツールの目的を最適化し、デコーダ勾配がポリシー報酬を補完する。 さらに,ツールを安価にブートストラップする事前学習手法であるBootstrapped-GRTO(B-GRTO)を考案し,より高速な収束と優れた性能を実現する。 3つの挑戦的なセグメンテーション設定の中で、B-GRTOはプレーンなGRPOよりも大幅に改善され、ドメイン固有の最先端メソッドにマッチまたは超えている。 このことは、推論集約的なセグメンテーションのための異なる補助的目的を持つ強化学習を統一する価値を示す。

関連論文リスト

• TL-GRPO: Turn-Level RL for Reasoning-Guided Iterative Optimization [97.18886232580131]
  大規模言語モデルは、ツール統合による複雑なタスクにおいて強力な推論能力を示している。 そこで我々はターンレベルグループサンプリングを行う軽量RLアルゴリズムであるTurn-Level GRPOを提案する。
  論文  参考訳（メタデータ） (2026-01-23T06:21:33Z)
• MAESTRO: Meta-learning Adaptive Estimation of Scalarization Trade-offs for Reward Optimization [56.074760766965085]
  大規模言語モデル(LLM)の整合性のための効率的なパラダイムとしてグループ相対政策最適化が登場している。 我々は,報酬スカラー化を動的潜在ポリシーとして扱い,モデルの終端隠蔽状態を意味的ボトルネックとして活用するMAESTROを提案する。 本稿では,軽量コンダクタネットワークがメタリワード信号としてグループ相対的優位性を生かしてポリシと共進化する,双方向最適化フレームワークにおけるコンテキスト的帯域幅問題としてこれを定式化する。
  論文  参考訳（メタデータ） (2026-01-12T05:02:48Z)
• A Deep Learning Framework for Boundary-Aware Semantic Segmentation [9.680285420002516]
  本研究では境界拡張機能ブリッジングモジュール(BEFBM)を用いたMask2Formerに基づくセマンティックセマンティックセマンティクスアルゴリズムを提案する。 提案手法は,mIOU,mDICE,mRecallなどのメトリクスを大幅に改善する。 ビジュアル分析は、きめ細かい領域におけるモデルの利点を裏付ける。
  論文  参考訳（メタデータ） (2025-03-28T00:00:08Z)
• SketchYourSeg: Mask-Free Subjective Image Segmentation via Freehand Sketches [116.1810651297801]
  SketchYourSegは、主観的なイメージセグメンテーションのための強力なクエリモダリティとして、フリーハンドスケッチを確立している。 我々の評価は、様々なベンチマークで既存のアプローチよりも優れた性能を示している。
  論文  参考訳（メタデータ） (2025-01-27T13:07:51Z)
• Pair then Relation: Pair-Net for Panoptic Scene Graph Generation [54.92476119356985]
  Panoptic Scene Graph (PSG) は、ボックスの代わりにパン光学セグメンテーションを使用して、より包括的なシーングラフ表現を作成することを目的としている。 現在のPSGメソッドは性能が限られており、下流のタスクやアプリケーションを妨げる。 Pair then Relation (Pair-Net) - Pair Proposal Network (PPN) を用いて、対象と対象間の疎対関係を学習・フィルタリングする。
  論文  参考訳（メタデータ） (2023-07-17T17:58:37Z)
• USER: Unified Semantic Enhancement with Momentum Contrast for Image-Text Retrieval [115.28586222748478]
  Image-Text Retrieval (ITR) は、与えられたクエリに意味のあるターゲットインスタンスを、他のモダリティから検索することを目的としている。 既存のアプローチは通常、2つの大きな制限に悩まされる。
  論文  参考訳（メタデータ） (2023-01-17T12:42:58Z)
• Generalizing Interactive Backpropagating Refinement for Dense Prediction [0.0]
  本稿では,G-BRSレイヤの集合を導入し,グローバル・ローカライズド・リファインメントとローカライズド・リファインメントの両立を可能にした。 提案手法は,数クリックで既存の事前訓練された最先端モデルの性能を向上する。
  論文  参考訳（メタデータ） (2021-12-21T03:52:08Z)
• Visual Object Tracking by Segmentation with Graph Convolutional Network [7.729569666460712]
  グラフ畳み込みネットワーク(GCN)モデルを用いて,スーパーピクセルベースのオブジェクトトラッキングを提案する。 提案モデルは,i)ラベル線形予測とi)各スーパーピクセルの構造認識特徴情報を統合した,汎用的なエンドツーエンドフレームワークを提供する。
  論文  参考訳（メタデータ） (2020-09-05T12:43:21Z)

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。