論文の概要: GeoSelect: Spatial-Program Execution for Training-Free Referring Remote Sensing Image Segmentation
- arxiv url: http://arxiv.org/abs/2607.03869v1
- Date: Sat, 04 Jul 2026 13:21:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.740558
- Title: GeoSelect: Spatial-Program Execution for Training-Free Referring Remote Sensing Image Segmentation
- Title(参考訳): GeoSelect: リモートセンシング画像セグメンテーションのトレーニング不要な空間プログラム実行
- Abstract要約: 入力された空間プログラムの実行をリフレームする、トレーニング不要なパイプラインであるGeoSelectを提案する。
実行は明示的であるため、すべての中間プログラム、フィールド、ランキングは検査可能である。
GeoSelectはRRSIS-Dテストで58.86 mIoU、RISBenchテストで55.27 mIoUを達成し、RRSIS-Dで2倍以上の事前トレーニングなしの手法であり、参照監督も1つのGPU上でも最高である。
- 参考スコア(独自算出の注目度): 6.614544060903834
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Referring remote sensing image segmentation isolates the object named by a natural-language expression in an aerial image. Existing training-free methods resolve the expression through implicit vision-language activations or region-text similarity, which gives weak control over the spatial, comparative, and ordinal relations that dominate aerial referring: they cannot represent constructions such as the largest ship or the second court from the left. We propose GeoSelect, a training-free pipeline that reframes referring as the execution of a typed spatial program. A frozen, text-only language model synthesises the expression into a small domain-specific language, a well-formedness checker accepts the program, and a deterministic executor runs it. The central abstraction is a single scored candidate set type under which every operator composes: continuous geometric fields realise position and proximity as dense pixel-level maps, while discrete set and order operators add the extremum, ordinal, counted-union, and relational constructions that fields alone cannot express. Because execution is explicit, every intermediate program, field, and ranking is inspectable, and a reliability ladder degrades any failing program to a field-only special case, so every expression returns an answer. GeoSelect attains 58.86 mIoU on RRSIS-D test and 55.27 mIoU on RISBench test, more than twice the best prior training-free method on RRSIS-D, with no referring supervision and on a single GPU. A controlled comparison with candidates and segmenter fixed attributes the gain to explicit execution, not the backbone; an oracle decomposition localises the residual gap to detection recall on RRSIS-D and selection on RISBench, and an exposure audit confirms robustness to pretraining leakage. Code will be released upon acceptance at the project page https://avalon-s.github.io/GeoSelect/.
- Abstract(参考訳): リモートセンシング画像セグメンテーションの参照は、空中画像中の自然言語表現によって命名されたオブジェクトを分離する。
既存の訓練なしの手法では、暗黙の視覚言語によるアクティベーションや領域-テクストの類似性を通じて表現を解決し、空間的、比較的、順序的な関係を弱く制御し、空中参照を支配している:それらは左から最大の船や第二裁判所のような構成を表現できない。
入力された空間プログラムの実行をリフレームする、トレーニング不要なパイプラインであるGeoSelectを提案する。
凍結されたテキストのみの言語モデルは、表現を小さなドメイン固有言語に合成し、十分に表現されたチェッカーがプログラムを受け入れ、決定論的エグゼキュータがそれを実行する。
中心的な抽象は、すべての作用素が構成する単一の採点された候補集合型である: 連続幾何場は、高密度ピクセルレベルの写像としての位置と近接を実現し、一方離散集合と順序作用素は、フィールドだけでは表現できない極小、順序付き、カウント付きユニオン、リレーショナル構成を加える。
実行は明示的であるため、すべての中間プログラム、フィールド、ランキングは検査可能である。
GeoSelectはRRSIS-Dテストで58.86 mIoU、RISBenchテストで55.27 mIoUを達成し、RRSIS-Dで2倍以上の事前トレーニングなしの手法であり、参照監督も1つのGPU上でも最高である。
候補とセグメンタとの制御された比較は、バックボーンではなく明示的な実行に対するゲインを属性とし、オラクル分解はRRSIS-DでのリコールとRISBenchでのセレクションの残差をローカライズし、露出監査はリークの事前訓練に対する堅牢性を確認する。
コードはプロジェクトのページ https://avalon-s.github.io/GeoSelect/ で受け入れられる。
関連論文リスト
- DiCoR: Decoupled Referent Disambiguation and Contour Recalibration for Efficient Referring Remote Sensing Image Segmentation [14.879032248338026]
DiCoRは、分離された参照の曖昧さと輪郭修正フレームワークである。
適切な参照を曖昧な候補と区別することと、ローカライゼーション後の粗いマスクを精製することである。
RefSegRS、RRSIS-D、RISBenchの実験では、DiCoRは3つのベンチマークで最高のセグメンテーション精度を達成している。
論文 参考訳(メタデータ) (2026-08-13T09:02:55Z) - ExACT: Exemplar-Driven Calibrated Refinement for Training-Free Visual Grounding in Remote Sensing Images [51.53960096934913]
リモートセンシングビジュアルグラウンドティング(RSVG)は、自由形式の自然言語記述を用いて、高解像度のRS画像中の特定の物体を特定することを目的としている。
マルチモーダル大言語モデル(MLLM)の最近の進歩は、そのようなオープン語彙RSVGに大きな可能性を示している。
Inemplar-driven Calibrated Refinement (ExACT)を提案する。
論文 参考訳(メタデータ) (2026-06-27T13:50:39Z) - RemoteZero: Geospatial Reasoning with Zero Human Annotations [41.61504679285346]
地理空間的推論は、複雑な空間的意味論とユーザ意図を、地球観測のための正確なターゲット位置へと解決するモデルを必要とする。
最近の進歩により、手動のキュレーションから推論パスが解放され、モデルが独自の推論チェーンを生成できるようになった。
地理空間推論のためのボックス・スーパービジョンフリーフレームワークであるRemoteZeroを紹介する。
論文 参考訳(メタデータ) (2026-05-06T03:25:41Z) - LAB-Det: Language as a Domain-Invariant Bridge for Training-Free One-Shot Domain Generalization in Object Detection [53.988759250627425]
物体検出のための訓練不要なワンショット領域一般化を提案する。
我々は各例を、凍結検知器を条件付けし誘導する記述テキストに投影する。
UODD (underwater) と NEU-DET (industrial defects) についての検討
論文 参考訳(メタデータ) (2026-02-06T08:03:04Z) - GRASP: Geospatial pixel Reasoning viA Structured Policy learning [16.023628299873494]
GRASPは、マルチモーダルな大規模言語モデルと事前訓練されたセグメンテーションモデルを統合する、構造化されたポリシー学習フレームワークである。
PRIMEは、教師付き微調整を強化学習に置き換える訓練パラダイムであり、推論や接地行動とタスク目標との整合性を改善する。
GRASP-1kは、推論集約的なクエリ、推論トレース、きめ細かいマスクを備えた、完全にドメイン外ベンチマークである。
論文 参考訳(メタデータ) (2025-08-23T18:05:06Z) - 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) - Tell2Reg: Establishing spatial correspondence between images by the same language prompts [7.064676360230362]
2つの異なる画像上で同じ言語プロンプトで対応する領域ペアを予測可能であることを示す。
これにより、完全に自動化され、トレーニング不要な登録アルゴリズムが実現される。
Tell2Regはトレーニング不要で、データキュレーションとラベル付けのコストと時間のかかる必要がなくなる。
論文 参考訳(メタデータ) (2025-02-05T12:25:02Z) - ZoRI: Towards Discriminative Zero-Shot Remote Sensing Instance Segmentation [23.40908829241552]
本稿では,訓練データに欠落した空中物体を特定することを目的とした,ゼロショットリモートセンシングインスタンスセグメンテーションという新しいタスクを提案する。
我々は,事前学習された視覚言語アライメントを維持するために,意味関連情報を分離する知識注入型適応戦略を導入する。
我々は,新しい実験プロトコルとベンチマークを構築し,ZoRIが最先端の性能を達成することを実証する広範囲な実験を行った。
論文 参考訳(メタデータ) (2024-12-17T11:00:56Z) - SegVG: Transferring Object Bounding Box to Segmentation for Visual Grounding [56.079013202051094]
ボックスレベルのアノテーションを信号として転送する新しい手法であるSegVGを提案する。
このアプローチでは,ボックスレベルのレグレッションとピクセルレベルのセグメンテーションの両方の信号としてアノテーションを反復的に利用することができる。
論文 参考訳(メタデータ) (2024-07-03T15:30:45Z) - Weakly-supervised segmentation of referring expressions [81.73850439141374]
テキスト基底セマンティックSEGmentationは、ピクセルレベルのアノテーションなしで画像レベルの参照式から直接セグメンテーションマスクを学習する。
提案手法は,PhraseCutおよびRefCOCOデータセット上での表現セグメンテーションを弱教師付きで参照する際の有望な結果を示す。
論文 参考訳(メタデータ) (2022-05-10T07:52:24Z) - Seasonal Contrast: Unsupervised Pre-Training from Uncurated Remote
Sensing Data [64.40187171234838]
季節的コントラスト(SeCo)は、リモートセンシング表現のドメイン内事前トレーニングにラベルのないデータを活用するための効果的なパイプラインである。
SeCoは、転送学習を容易にし、再リモートセンシングアプリケーションの急速な進歩を可能にするために公開されます。
論文 参考訳(メタデータ) (2021-03-30T18:26:39Z)
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。