論文の概要: RIGS-Refiner: Risk-Guided Recursive Refinement in Prediction Space for Colonoscopy Polyp Segmentation

• arxiv url: http://arxiv.org/abs/2607.03058v1
• Date: Fri, 03 Jul 2026 07:49:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.509612
• Title: RIGS-Refiner: Risk-Guided Recursive Refinement in Prediction Space for Colonoscopy Polyp Segmentation
• Title（参考訳）: RIGS-Refiner:大腸ポリプセグメンテーションの予測空間におけるリスク誘導再帰的再精製
• Abstract要約: 切除後、宿主推論後の大腸内視鏡のセグメンテーションを改善することができる。 多くの設計は、まだ追加の補正ヘッドや、パラメータや計算コストが無視できない多段パイプラインに依存している。 予測空間におけるリスク誘導再帰のための軽量ポストリファインメントプラグインRIGS-Refinerを提案する。
• 参考スコア（独自算出の注目度）: 0.679142403082501
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Post-refinement can improve colonoscopy segmentation after host inference, but many designs still rely on extra correction heads or multi-stage pipelines with non-negligible parameter or computational cost. For polyp segmentation, host predictions are often already reasonable globally, with remaining errors clustered around ambiguous boundaries and difficult local structures. These residual errors matter in colonoscopy images because useful masks need correct lesion coverage and clean contour delineation across subtle mucosal transitions. This setting favors selective local repair in prediction space over reprocessing the entire mask. We therefore propose RIGS-Refiner, a lightweight post-refinement plugin for risk-guided recursive refinement in prediction space. Starting from a frozen host anchor prediction, RIGS-Refiner extracts lightweight image priors and prediction cues, applies risk-guided update, and writes back residual corrections through a shared recursive cell. The module adds only +519 parameters and +0.631 GFLOPs, keeping the refinement path compact for deployment. Experiments use Kvasir-SEG for training and Kvasir, ClinicDB, ColonDB, and ETIS for evaluation under two frozen hosts, namely PraNet and SegFormer-B0. Results show consistent gains on both hosts and a favorable efficiency-accuracy trade-off against representative post-refinement methods. Code is available at https://github.com/tyui99/RIGS-Refiner.
• Abstract（参考訳）: ポストリファインメントは、ホスト推論後の大腸内視鏡のセグメンテーションを改善することができるが、多くの設計は追加の補正ヘッドや、無視できないパラメータや計算コストの多段階パイプラインに依存している。 ポリープセグメンテーションの場合、ホストの予測は、曖昧な境界と難解な局所構造の周りに残される残差によって、既に世界中で合理的に行われている。 大腸内視鏡検査では, 有意なマスクは, 粘膜の微妙な転移に対して, 適切な病変のカバレッジと清潔な輪郭の起伏を必要とするため, 残像が重要となる。 この設定は、マスク全体を再処理するよりも、予測空間における選択的な局所的な修復が好ましい。 そこで,予測空間におけるリスク誘導再帰改善のための軽量ポストリファインメントプラグインRIGS-Refinerを提案する。 凍ったホストアンカーの予測から始めると、RIGS-Refinerは軽量な画像先行と予測キューを抽出し、リスク誘導更新を適用し、共有再帰セルを通じて残留補正を書き戻す。 モジュールは+519パラメータと+0.631 GFLOPのみを追加し、改良パスをコンパクトに配置した。 トレーニングにはKvasir-SEG、トレーニングにはKvasir, ClinicalDB, ColonDB, ETISが使用される。 その結果、両ホストに一貫した利得と、代表的ポストリファインメント手法に対する好適な効率・正確性トレードオフが示された。 コードはhttps://github.com/tyui99/RIGS-Refinerで入手できる。

関連論文リスト

• InsightSeg: Reusing Correction Insights for Guideline-Consistent Segmentation [4.501547677532766]
  本稿では,修正エピソードを再利用可能な視覚的根拠に変換するエピソード記憶機構であるInsightSegを紹介する。 InsightSegは、AcrossとCityscapesで、最初のパスと最後のガイドライン一貫性セグメンテーションのパフォーマンスを改善し、改善ステップを少なくする。
  論文  参考訳（メタデータ） (2026-09-02T02:22:35Z)
• Structuring Semantic Embeddings for Principle Evaluation: A Prototype-Guided Contrastive Learning Approach [58.15427952222424]
  汎用的なテキスト埋め込みはそのようなタスクに広くデプロイされているが、意味的類似性は意味的に似ているがタスク固有の例を示すことができる。 本稿では,凍結したテキスト埋め込み上に構築された幾何正規化モジュールであるPGCL(Prototype-Guided Contrastive Learning)を紹介する。
  論文  参考訳（メタデータ） (2026-08-15T13:19:25Z)
• ReflexTrack: A Feedback-Driven Agent for Training-Free Referring Video Object Segmentation [63.38679125666075]
  オブジェクトセグメンテーション(RVOS)を参照するには、ビデオを通して自然言語で指定されたターゲットをセグメンテーションする必要がある。 近年のエージェントアプローチでは,タスク固有のトレーニングなしでRVOSを実行するために,マルチモーダルな大規模言語モデルと迅速なセグメンテーションモデルを組み合わせている。 トレーニング不要でフィードバック駆動型エージェントであるReflexTrackを導入し、空間的および時間的両方のレベルでループを閉じる。
  論文  参考訳（メタデータ） (2026-07-27T07:39:20Z)
• Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals [83.0127582612634]
  Near-boundary Rescue (NSR) は最小限のプラグ・アンド・プレイの修正であり、失った信号を回復するために、アウト・オブ・バウンドトークンを保持する。 NSRはトレーニングの安定性を大幅に改善し、DAPOやGSPOといった強力なベースライン上で一貫したゲインを提供する。
  論文  参考訳（メタデータ） (2026-05-21T16:45:31Z)
• Uncertainty-Guided Conservative Propagation for Structured Inference in Vessel Segmentation [10.73944733412427]
  Uncertainty-Guided Conservative Propagation (UGCP)は,コンテナセグメンテーション用のプラグインモジュールである。 予測の不確実性は、不明瞭な地域を支援するための信頼性のある地域を導く。 構造対応変調とソースベースの安定化は、信頼性の低い伝播と過剰なドリフトを減少させる。
  論文  参考訳（メタデータ） (2026-05-19T22:31:13Z)
• DARC: Disagreement-Aware Alignment via Risk-Constrained Decoding [59.16244104797919]
  本稿では,リスク制約付き復号法(DARC)*による分散アライメント(Disagreement-Aware Alignment)を提案する。 DARCは応答選択を、分布的に堅牢で、リスクに敏感な意思決定として捉えている。 アライメントベンチマークの実験では、DARCは競合平均品質を維持しながら、不一致と尾のリスクを低減する。
  論文  参考訳（メタデータ） (2026-03-09T09:21:29Z)
• Anatomically-aware conformal prediction for medical image segmentation with random walks [8.829058131683764]
  コンフォーマル予測(CP)は統計的に有効な予測区間を構築するための強力な分布自由フレームワークである。 本稿では,任意のセグメンテーション法上に付加可能なモデルに依存しないフレームワークであるランダム-ウォーク整形予測(RW-CP)を提案する。
  論文  参考訳（メタデータ） (2026-01-26T22:16:07Z)
• Controlling False Positives in Image Segmentation via Conformal Prediction [2.339515934428971]
  本稿では,疑似肯定予測の分布自由な画像レベル制御による信頼マスク構築のための簡易なフレームワークを提案する。 本フレームワークは,オーバーセグメンテーションが臨床効果をもたらすような環境で,実用的なリスク対応セグメンテーションを可能にする。
  論文  参考訳（メタデータ） (2025-11-19T13:02:50Z)
• Decision from Suboptimal Classifiers: Excess Risk Pre- and Post-Calibration [52.70324949884702]
  バッチ二分決定における近似的後続確率を用いた余剰リスクの定量化を行う。 我々は、再校正のみが後悔のほとんどに対処する体制と、後悔が集団的損失に支配される体制を識別する。 NLP実験では、これらの量によって、より高度なポストトレーニングの期待値が運用コストに値するかどうかが分かる。
  論文  参考訳（メタデータ） (2025-03-23T10:52:36Z)
• Gumbel Reranking: Differentiable End-to-End Reranker Optimization [61.16471123356738]
  RAGシステムは関連する文書を識別するためにリランカーに依存している。 注釈付きクエリ-ドキュメントペアが不足しているため、これらのモデルの微調整は依然として難しい。 我々は,トレーニングと推論のギャップを最小限に抑えることを目的とした,リランカーのためのエンドツーエンドのトレーニングフレームワークであるGumbel Re rankを提案する。
  論文  参考訳（メタデータ） (2025-02-16T13:23:39Z)
• ZScribbleSeg: Zen and the Art of Scribble Supervised Medical Image Segmentation [16.188681108101196]
  弱い教師付きセグメンテーションにのみスクリブルアノテーションを活用することを提案する。 既存のソリューションは主に注釈付き領域でのみ計算された選択的損失を利用する。 空間的関係と形状を事前にエンコードする正規化項を導入する。 我々は、ZScribbleSegと表記される統合フレームワークに、効率的なスクリブル監視を前者と統合する。
  論文  参考訳（メタデータ） (2023-01-12T09:00:40Z)
• FCN-Transformer Feature Fusion for Polyp Segmentation [12.62213319797323]
  大腸内視鏡は大腸癌の早期発見のための金標準法として広く認められている。 大腸内視鏡画像におけるポリープのマニュアルセグメンテーションは時間を要する。 ポリプセグメンテーションの自動化におけるディープラーニングの利用が重要になっている。
  論文  参考訳（メタデータ） (2022-08-17T15:31:06Z)
• Preventing Posterior Collapse with Levenshtein Variational Autoencoder [61.30283661804425]
  我々は,エビデンス・ロー・バウンド(ELBO)を最適化し,後部崩壊を防止できる新しい目的に置き換えることを提案する。 本稿では,Levenstein VAEが後方崩壊防止のための代替手法よりも,より情報的な潜伏表現を生成することを示す。
  論文  参考訳（メタデータ） (2020-04-30T13:27:26Z)

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。