Fugu-MT 論文翻訳(概要): RSGPNet: Geometric Prompting for Remote Sensing Open-Vocabulary Semantic Segmentation

論文の概要: RSGPNet: Geometric Prompting for Remote Sensing Open-Vocabulary Semantic Segmentation

arxiv url: http://arxiv.org/abs/2606.28410v1
Date: Thu, 25 Jun 2026 03:52:43 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-30 18:07:15.551775
Title: RSGPNet: Geometric Prompting for Remote Sensing Open-Vocabulary Semantic Segmentation
Title（参考訳）: RSGPNet: リモートセンシング型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グメンテーションのための幾何学的プロンプト
Abstract要約: Open-vocabulary semantic segmentation (OVSS)は、未確認オブジェクトのテキスト誘導セグメンテーションを可能にする。我々は、RS OVSSのためのトレーニング不要な幾何学的プロンプトフレームワークRSGPNetを提案する。 RSGPNetは,定量および定性的指標の両面で,最先端の手法を著しく上回ることを示す。
参考スコア（独自算出の注目度）: 19.401634203925457
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Open-vocabulary semantic segmentation (OVSS) enables text-guided segmentation of unseen objects, breaking fixed-class limitations to achieve open-world understanding. However, existing OVSS methods primarily focus on modifying the CLIP attention mechanism, which still suffers from unstable local segmentation for remote sensing (RS) domain. To address these limitations, we propose RSGPNet, a training-free geometric prompting framework for RS OVSS that refines segmentation by leveraging object geometric areas and consistency constraints. Specifically, RSGPNet comprises three core modules: a Text-guided Coarse Mask module (TCM), a Geometric Re-prompting Module (GRP), and a Coarse-to-fine Consistency Verification Mechanism (CVM). TCM utilizes text prompts and the input image to construct initial coarse segmentation masks. GRP then converts these coarse masks into geometric box prompts, feeding them back into the segmentation model to generate refined masks. Finally, CVM employs consistency computation to prevent prompting from reinforcing erroneous regions. They allow the model to improve segmentation accuracy in complex areas, such as category boundaries. Extensive experiments on RS datasets demonstrate that RSGPNet significantly outperforms state-of-the-art methods across both quantitative and qualitative metrics while exhibiting excellent interpretability. The code is released at \href{https://github.com/wangshanwen001/RSGPNet}{https://github.com/wangshanwen001/RSGPNet}.
Abstract（参考訳）: Open-vocabulary semantic segmentation (OVSS)は、未確認オブジェクトのテキスト誘導セグメンテーションを可能にする。しかし、既存のOVSSメソッドは主に、リモートセンシング(RS)ドメインの不安定なローカルセグメンテーションに苦しむCLIPアテンションメカニズムの変更に焦点を当てている。これらの制約に対処するために,RSGPNetを提案する。RS OVSSのトレーニング不要な幾何学的プロンプトフレームワークで,オブジェクトの幾何学的領域と整合性制約を利用してセグメンテーションを洗練する。具体的には、3つのコアモジュール – Text-guided Coarse Mask Module (TCM)、Geometric Re-prompting Module (GRP)、Coarse-to-fine Consistency Verification Mechanism (CVM) で構成される。 TCMはテキストプロンプトと入力画像を利用して、初期粗いセグメンテーションマスクを構築する。 GRPはこれらの粗いマスクを幾何学的ボックスプロンプトに変換し、セグメンテーションモデルにフィードバックし、洗練されたマスクを生成する。最後に、CVMは、誤った領域の強化を急ぐのを防ぐために、一貫性計算を採用する。これにより、モデルがカテゴリ境界のような複雑な領域のセグメンテーション精度を向上させることができる。 RSGPNetのデータセットに対する大規模な実験により、RSGPNetは定量的および定性的な指標の両方で最先端の手法を著しく上回り、優れた解釈可能性を示している。コードは \href{https://github.com/wangshanwen001/RSGPNet}{https://github.com/wangshanwen001/RSGPNet} で公開されている。

関連論文リスト

Generalizing Geometry-Guided Mamba as a Plug-and-Play Context Module for CNN-based Semantic Segmentation [0.30786914102688595]
本稿では,DGM-Net から Directional Geometric Mamba を再検討し,それをプラグイン・アンド・プレイ・コンテキストアグリゲーションモジュールとして検討する。鍵となる考え方は、幾何学的ガイダンスを選択的スキャンプロセスに注入し、長距離特徴伝搬を境界と遠心流のキューによって変調できるようにすることである。 Cityscapesの結果、mIoUは1024時間1024ドルの解像度で、適度な追加のGFLOPしか得られていない。
論文参考訳（メタデータ） (2026-06-07T22:43:38Z)
Open-Vocabulary Semantic Segmentation in Remote Sensing via Hierarchical Attention Masking and Model Composition [1.0019706819513459]
ReSeg-CLIPは、リモートセンシングデータのための新しいトレーニング不要なOpen-Vocabulary Semanticメソッドである。提案手法は,3つのRSベンチマークに対して,追加のトレーニングを伴わずに,最先端の結果を達成している。
論文参考訳（メタデータ） (2026-02-27T10:11:12Z)
GRASP: Guided Region-Aware Sparse Prompting for Adapting MLLMs to Remote Sensing [50.961694646995376]
GRASP(Guid Region-Aware Sparse Prompting)と呼ばれるパラメータ効率細調整(PEFT)戦略を提案する。 GRASPは、凍結した視覚的トークングリッドから抽出された空間ブロックに関連する空間的構造化されたソフトプロンプトを導入する。複数のRSVQAベンチマークの実験では、GRASPは既存の微調整やプロンプトベースの手法と比較して競争性能が向上している。
論文参考訳（メタデータ） (2026-01-23T10:12:59Z)
Exploring Efficient Open-Vocabulary Segmentation in the Remote Sensing [55.291219073365546]
Open-Vocabulary Remote Sensing Image (OVRSIS)は、OVS(Open-Vocabulary)をリモートセンシング(RS)ドメインに適応させる新しいタスクである。 textbfRSKT-Segは、リモートセンシングに適した新しいオープン語彙セグメンテーションフレームワークである。 RSKT-Segは高いOVSベースラインを+3.8 mIoUと+5.9 mACCで上回り、効率的なアグリゲーションによって2倍高速な推論を実現している。
論文参考訳（メタデータ） (2025-09-15T15:24:49Z)
RSRefSeg 2: Decoupling Referring Remote Sensing Image Segmentation with Foundation Models [25.265113510539546]
Referring Remote Sensing Imageは、リモートセンシングシーン分析のための柔軟できめ細かいフレームワークを提供する。現在のアプローチでは、デュアルモーダル符号化、クロスモーダル相互作用、ピクセルデコーディングを含む3段階のパイプラインを使用している。本稿では,従来のワークフローを協調的な2段階のフレームワークに再構成する疎結合パラダイム RSRefSeg 2 を提案する。
論文参考訳（メタデータ） (2025-07-08T17:59:58Z)
SegEarth-R1: Geospatial Pixel Reasoning via Large Language Model [61.97017867656831]
暗黙的な問合せと推論を可能にし,対象領域のマスクを生成する新しいタスク,すなわち地理空間的画素推論を導入する。我々は,5,434枚の手動アノテート画像マスクと3万枚以上の暗黙的な質問応答ペアからなる,EarthReasonという,最初の大規模ベンチマークデータセットを構築し,リリースする。 SegEarth-R1は、推論タスクと参照セグメンテーションタスクの両方で最先端のパフォーマンスを実現し、従来のLCMベースのセグメンテーション手法よりも大幅に優れている。
論文参考訳（メタデータ） (2025-04-13T16:36:47Z)
MROVSeg: Breaking the Resolution Curse of Vision-Language Models in Open-Vocabulary Image Segmentation [26.667974865352708]
MROVSegは、オープンボキャブラリイメージセグメンテーションのためのマルチレゾリューショントレーニングフレームワークで、単一の事前トレーニングされたCLIPバックボーンを備えている。スライドウィンドウを使用して、高解像度の入力を均一なパッチにスライスし、それぞれがよく訓練されたイメージエンコーダの入力サイズにマッチする。
論文参考訳（メタデータ） (2024-08-27T04:45:53Z)
SegNetr: Rethinking the local-global interactions and skip connections in U-shaped networks [1.121518046252855]
U字型ネットワークは、シンプルで調整が容易な構造のため、医療画像セグメンテーションの分野を支配してきた。我々は任意の段階で動的に局所的・局所的相互作用を行なえる新しいSegNetrブロックを導入する。 59%と76%のパラメータとGFLOPがバニラU-Netより少ない4つの主流医療画像セグメンテーションデータセットに対するSegNetrの有効性を検証した。
論文参考訳（メタデータ） (2023-07-06T12:39:06Z)
Real-Time Scene Text Detection with Differentiable Binarization and Adaptive Scale Fusion [62.269219152425556]
セグメンテーションに基づくシーンテキスト検出手法はシーンテキスト検出分野において大きな注目を集めている。本稿では,二項化処理をセグメンテーションネットワークに統合する分散二項化(DB)モジュールを提案する。アダプティブ・スケール・フュージョン (ASF) モジュールは, 異なるスケールの特徴を適応的に融合させることにより, スケールのロバスト性を向上させる。
論文参考訳（メタデータ） (2022-02-21T15:30:14Z)
Semantic Attention and Scale Complementary Network for Instance Segmentation in Remote Sensing Images [54.08240004593062]
本稿では,セマンティックアテンション(SEA)モジュールとスケール補完マスクブランチ(SCMB)で構成される,エンドツーエンドのマルチカテゴリインスタンスセグメンテーションモデルを提案する。 SEAモジュールは、機能マップ上の興味あるインスタンスのアクティベーションを強化するために、追加の監督を備えた、単純な完全な畳み込みセマンティックセマンティックセマンティクスブランチを含んでいる。 SCMBは、元のシングルマスクブランチをトリデントマスクブランチに拡張し、異なるスケールで補完マスクの監視を導入する。
論文参考訳（メタデータ） (2021-07-25T08:53:59Z)
ISTR: End-to-End Instance Segmentation with Transformers [147.14073165997846]
ISTRと呼ばれるインスタンスセグメンテーショントランスフォーマーを提案します。これは、その種類の最初のエンドツーエンドフレームワークです。 ISTRは低次元マスクの埋め込みを予測し、それらのマスクの埋め込みと一致する。 ISTRは、提案されたエンドツーエンドのメカニズムにより、近似ベースのサブオプティマティック埋め込みでも最先端のパフォーマンスを発揮します。
論文参考訳（メタデータ） (2021-05-03T06:00:09Z)

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。