論文の概要: ActiveSAM: Image-Conditional Class Pruning for Fast and Accurate Open-Vocabulary Segmentation

• arxiv url: http://arxiv.org/abs/2606.16996v1
• Date: Mon, 15 Jun 2026 17:31:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 18:36:05.109205
• Title: ActiveSAM: Image-Conditional Class Pruning for Fast and Accurate Open-Vocabulary Segmentation
• Title（参考訳）: ActiveSAM: 高速かつ高精度なオープン語彙セグメンテーションのためのイメージコンディショナルクラスプルーニング
• Authors: Tran Dinh Tien, Zhiqiang Shen,
• Abstract要約: トレーニング不要のゼロショット推論フレームワークであるActiveSAMを紹介し、SAM 3をアクティブ語彙セグメンタにする。 8つのOVSSベンチマークで、ActiveSAMはトレーニング不要なオープン語彙セマンティックセマンティックセグメンテーションの速度と精度のトレードオフを改善している。 ActiveSAMは、自律運転や組み込みAIといったノイズの多い入力ドメインへのデプロイメントに適している。
• 参考スコア（独自算出の注目度）: 40.432049062995326
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Segment Anything Model 3 (SAM 3) provides a strong frozen backbone for concept-prompted segmentation, but applying it directly to open-vocabulary semantic segmentation (OVSS) is inefficient: full-resolution decoding is typically run over the entire dataset vocabulary, whereas each image contains only a small active subset of classes. We introduce ActiveSAM, a training-free, zero-shot inference framework that turns SAM 3 into an active-vocabulary segmenter. ActiveSAM first canonicalizes and expands class prompts, then estimates an image-conditioned active set from a low-resolution presence preview. Only the retained classes are decoded at full resolution, using bucketed prompt multiplexing with the frozen SAM 3 decoder. The preview stage uses only class-presence evidence and skips unnecessary segmentation-head computation, while the final stage applies margin-aware background calibration to suppress low-confidence pixels. ActiveSAM requires no target-dataset training, no weight updates, and no oracle class-presence labels. Across eight OVSS benchmarks, ActiveSAM improves the speed-accuracy tradeoff of training-free open-vocabulary semantic segmentation, outperforming the current state-of-the-art SegEarth-OV3 by approximately +1.4 mIoU on average while running up to 5.5x faster on large-vocabulary datasets. ActiveSAM also demonstrates the strongest robustness under image corruption that simulates real-world distribution shift, making it well-suited for deployment in noisy-input domains such as autonomous driving and embodied AI. Code is available at https://github.com/VILA-Lab/ActiveSAM.
• Abstract（参考訳）: Segment Anything Model 3 (SAM 3) は概念実証セグメンテーションのための強力な冷凍バックボーンを提供するが、オープン語彙セグメンテーション(OVSS)に直接適用することは非効率である。 トレーニング不要のゼロショット推論フレームワークであるActiveSAMを紹介し、SAM 3をアクティブ語彙セグメンタにする。 ActiveSAMは最初、クラスプロンプトを標準化して拡張し、低解像度のプレゼンスプレビューからイメージ条件のアクティブセットを推定する。 保持されたクラスのみがフル解像度でデコードされ、フリーズされたSAM 3デコーダとバケット付きのプロンプト多重化を使用する。 プレビューステージでは、クラスプレゼンスエビデンスのみを使用し、不要なセグメンテーションヘッド計算をスキップし、最終ステージでは、低信頼画素を抑えるためにマージン対応のバックグラウンドキャリブレーションを適用する。 ActiveSAMは、ターゲットデータセットのトレーニング、ウェイトアップデート、オラクルのクラスプレゼンスラベルを必要としない。 8つのOVSSベンチマークで、ActiveSAMはトレーニングフリーなオープン語彙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速度-精度のトレードオフを改善し、最先端のSegEarth-OV3を、大語彙データセットで最大5.5倍高速で平均約1.4mIoUで上回っている。 また、ActiveSAMは、実世界の分散シフトをシミュレートするイメージ破損の下で、強力な堅牢性を示しており、自律運転や組み込みAIといったノイズの多い入力ドメインへのデプロイに適している。 コードはhttps://github.com/VILA-Lab/ActiveSAMで入手できる。

関連論文リスト

• SegEarth-OV3: Exploring SAM 3 for Open-Vocabulary Semantic Segmentation in Remote Sensing Images [51.42466259821335]
  我々は, SAM 3 をリモートセンシング OVSS タスクに適用するための予備的な検討を行った。 まず,SAM 3のセマンティックセグメンテーションヘッドとトランスフォーマーデコーダの出力を組み合わせたマスク融合戦略を実装した。 第2に、シーンに存在しないカテゴリをフィルタリングするために、プレゼンスヘッドからのプレゼンススコアを利用する。
  論文  参考訳（メタデータ） (2025-12-09T15:42:28Z)
• FocSAM: Delving Deeply into Focused Objects in Segmenting Anything [58.042354516491024]
  Segment Anything Model (SAM)はセグメンテーションモデルにおいて注目すべきマイルストーンである。 2つの重要な側面に基づいてパイプラインを再設計したFocSAMを提案する。 まず,Dwin-MSA(Dynamic Window Multi-head Self-Attention)を提案する。 次に,Pixel-wise Dynamic ReLU (P-DyReLU)を提案する。
  論文  参考訳（メタデータ） (2024-05-29T02:34:13Z)
• WSI-SAM: Multi-resolution Segment Anything Model (SAM) for histopathology whole-slide images [8.179859593451285]
  病理画像の正確なオブジェクト分割機能を備えたWSI-SAM, Segment Anything Model (SAM) を提案する。 トレーニングオーバーヘッドを最小限にしながら、トレーニング済みの知識を完全に活用するために、SAMは凍結し、最小限のパラメータしか導入しません。 本モデルでは, 膵管癌 in situ (DCIS) セグメンテーションタスクと乳癌転移セグメンテーションタスクにおいて, SAMを4.1, 2.5パーセント上回った。
  論文  参考訳（メタデータ） (2024-03-14T10:30:43Z)
• EdgeSAM: Prompt-In-the-Loop Distillation for SAM [87.52687622659904]
  EdgeSAMはSegment Anything Model (SAM)の高速化版である。 我々のアプローチは、VTベースのSAMイメージエンコーダを純粋にCNNベースのアーキテクチャに蒸留することである。 これは、iPhone 14で30FPS以上で動作可能なSAMの最初の派生機種である。
  論文  参考訳（メタデータ） (2023-12-11T18:59:52Z)
• Stable Segment Anything Model [79.9005670886038]
  SAM(Segment Anything Model)は、高品質なプロンプトが与えられた場合、顕著に迅速なセグメンテーションを実現する。 本稿では,SAMのセグメンテーション安定性について,多様なプロンプト特性のスペクトルにわたって包括的解析を行った。 1)SAMのセグメンテーション安定性を広範囲に改善し,2)SAMの強力なセグメンテーション効率と一般化を維持した。
  論文  参考訳（メタデータ） (2023-11-27T12:51:42Z)
• All-in-SAM: from Weak Annotation to Pixel-wise Nuclei Segmentation with Prompt-based Finetuning [16.016139980843835]
  Segment Anything Model (SAM) は、ゼロショットセグメンテーションアプローチにおいて、最近提案されたプロンプトベースのセグメンテーションモデルである。 推論段階で手動のプロンプトを必要とせずに,AI開発ワークフロー全体を通じてSAMを利用するパイプラインを導入する。 実験の結果,1) 提案したパイプラインは, 公開モヌセグデータセット上での核分割タスクにおいて, 最先端(SOTA)手法を超越し, 2) SAMファインタニングのための弱いアノテーションと少ないアノテーションの利用により, 競争性能が向上することがわかった。
  論文  参考訳（メタデータ） (2023-07-01T10:12:46Z)
• How to Efficiently Adapt Large Segmentation Model(SAM) to Medical Images [15.181219203629643]
  Segment Anything (SAM)は、自然画像のゼロショットセグメンテーションにおいて印象的な機能を示す。 しかし、医療画像に適用すると、SAMは顕著なパフォーマンス低下に悩まされる。 本研究では,SAMエンコーダを凍結し,軽量なタスク固有予測ヘッドを微調整することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T18:34:30Z)

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。