論文の概要: In-Context Learning for Wound Classification with Small Multimodal Language Models

• arxiv url: http://arxiv.org/abs/2607.18819v1
• Date: Tue, 21 Jul 2026 07:55:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.352948
• Title: In-Context Learning for Wound Classification with Small Multimodal Language Models
• Title（参考訳）: 小型マルチモーダル言語モデルを用いた単語分類のための文脈内学習
• Abstract要約: 本研究は,小マルチモーダル言語モデル (Ms) が創傷分類の訓練自由な代替手段となるかどうかを検証した。 実験では2つの公開創傷画像データセットを使用した。 検索ベースのICLにより、SMLMはタスク固有のリトレーニングなしで創傷画像分類を行うことができる。
• 参考スコア（独自算出の注目度）: 0.8166364251367626
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Wound image classification is often treated as a task-specific supervised learning problem, requiring substantial amounts of manually labelled data and retraining when the label space or deployment setting changes. This study evaluated whether small multimodal language models (SMLMs) can provide a training-free alternative for wound classification through retrieval-based in-context learning (ICL). Experiments used two public wound-image datasets: the Kaggle wound dataset (1469 images, 10 classes) and the Medetec dataset (560 images, 9 classes). Eleven SMLMs from the Qwen 3.5, Ministral 3, and Gemma 4 families were evaluated under zero-shot prompting and few-shot prompting with random support examples, embedding-based k-nearest-neighbour (kNN) retrieval, and kNN retrieval followed by maximal marginal relevance reranking (MMR). Retrieval-only weighted-kNN controls, support-set reduction experiments, and support-context size sweeps were used to assess the effects of retrieval, model scale, and prompt length. Query-conditioned ICL consistently outperformed zero-shot and random few-shot prompting. On the Kaggle dataset, the best result was achieved by Qwen 3.5 27B with kNN+MMR, reaching 0.872 accuracy and 0.871 F1 score. On Medetec, Qwen 3.5 27B with kNN+MMR reached 0.678 accuracy and 0.670 F1. Larger models exceeded matched weighted-kNN controls, indicating use of retrieved examples beyond nearest-neighbour voting. Retrieval-based ICL degraded modestly under support-set reduction, and most gains saturated with 8-10 support images. Retrieval-based ICL allows SMLMs to perform adaptable wound image classification without task-specific retraining. Compact retrieved contexts may support practical and privacy-conscious deployment, although performance remains dependent on model scale, retrieval strategy, and dataset difficulty.
• Abstract（参考訳）: ハウンド画像分類は、しばしばタスク固有の教師付き学習問題として扱われ、ラベル空間や配置設定の変更時に大量の手作業でラベル付けされたデータを必要とする。 本研究では,小規模なマルチモーダル言語モデル (SMLM) が,検索型インコンテキスト学習 (ICL) による創傷分類の訓練自由な代替手段となるかを検討した。 実験では、Kaggle創傷データセット(1469イメージ、10クラス)とMedetecデータセット(560イメージ、9クラス)の2つの公開創傷画像データセットを使用した。 Qwen 3.5, Ministral 3, Gemma 4の11種類のSMLMを無作為なサポート例, 埋め込み型k-nearest-neighbour (kNN) 検索, kNN検索, および最大縁関係検索 (MMR) で評価した。 検索,モデルスケール,プロンプト長の影響を評価するために,検索専用重み付きkNN制御,サポートセットリダクション実験,サポートコンテキストサイズスイープを用いた。 クエリ条件のICLはゼロショットとランダムな数ショットプロンプトを一貫して上回った。 Kaggleデータセット上では、Qwen 3.5 27BとkNN+MMRで最高の結果が得られ、0.872の精度と0.871のF1スコアに達した。 メデテックでは、kNN+MMRを搭載したQwen 3.5 27Bが精度0.678、F1.670に達した。 より大きなモデルは一致した重み付きkNNコントロールを超え、最寄りの投票を越えて検索されたサンプルの使用を示している。 検索ベース ICL は, サポートセット縮小下でわずかに劣化し, 8-10 の支持画像でほとんどのゲインが飽和した。 検索ベースのICLにより、SMLMはタスク固有のリトレーニングなしで適応可能な創傷画像分類を行うことができる。 コンパクトな検索コンテキストは実用的でプライバシを重視したデプロイメントをサポートするが、パフォーマンスはモデルスケール、検索戦略、データセットの難しさに依存している。

関連論文リスト

• Focus When Necessary: Adaptive Routing and Collaborative Grounding for Training-Free Visual Grounding [56.38477453373368]
  LazyMCoTは動的でトレーニング不要なフレームワークで、サンプルの難易度に基づいて視覚的接地作業を適応的に割り当てる。 LazyMCoTは、推論精度を同時に改善し、平均推論レイテンシを低減することで、トレーニングベースのアプローチと競合する。
  論文  参考訳（メタデータ） (2026-06-15T03:17:44Z)
• In-Context Learning for the Imputation of Public Opinion Data with Large Language Models [1.928261926292315]
  In-context Learning (ICL) を用いて, 欠落した調査データをインプットする手法を提案する。 異なる欠陥機構(MCAR, MAR, MNAR)間でのICL設計選択を系統的に評価する。 我々のICLアプローチは、非ランダム欠落(MNAR)の下で最大のゲインを持つ、すべての欠落メカニズムにおける絶対誤差を一貫して減少させる。
  論文  参考訳（メタデータ） (2026-06-08T11:25:10Z)
• Efficient Semi-Automated Material Microstructure Analysis Using Deep Learning: A Case Study in Additive Manufacturing [0.0]
  本稿では,U-Netに基づく畳み込みニューラルネットワークと対話型ユーザアノテーションと修正インタフェースを統合した,半自動能動学習に基づくセグメンテーションを提案する。 提案フレームワークは,スケーラビリティとロバスト性を維持しながらラベリングの労力を削減し,多様な材料システムにまたがる画像解析に広く適用可能である。
  論文  参考訳（メタデータ） (2026-03-14T08:28:00Z)
• Evaluating Large Language Models for Gait Classification Using Text-Encoded Kinematic Waveforms [1.1635287453977645]
  LLM(Large Language Models)は、構造化キネマティックデータに適用した場合、説明機能と信頼性に配慮した出力を提供する。 本研究は,テキスト数値列で表される連続歩行運動学を汎用LLMで分類できるかどうかを検証した。
  論文  参考訳（メタデータ） (2026-03-04T10:23:35Z)
• SPaRFT: Self-Paced Reinforcement Fine-Tuning for Large Language Models [51.74498855100541]
  大規模言語モデル(LLM)は、強化学習(RL)による微調整時に強い推論能力を示す。 トレーニング対象のモデルの性能に基づいて,効率的な学習を可能にする自己評価学習フレームワークである textbfSPaRFT を提案する。
  論文  参考訳（メタデータ） (2025-08-07T03:50:48Z)
• SPARC: Score Prompting and Adaptive Fusion for Zero-Shot Multi-Label Recognition in Vision-Language Models [74.40683913645731]
  Zero-shot Multi-label Recognition (MLR) with Vision-Language Models (VLMs) は、トレーニングデータ、モデルチューニング、アーキテクチャの変更なしに重要な課題に直面している。 我々の研究は、VLMをブラックボックスとして扱い、トレーニングデータや地上の真実を使わずにスコアを活用する新しいソリューションを提案する。 これらのプロンプトスコアの分析により、VLMバイアスとAND'/OR信号の曖昧さが明らかになり、特に、最高スコアは2番目に高いスコアに比べて驚くほど低い。
  論文  参考訳（メタデータ） (2025-02-24T07:15:05Z)
• A Lightweight Measure of Classification Difficulty from Application Dataset Characteristics [4.220363193932374]
  効率的なコサイン類似度に基づく分類困難度尺度Sを提案する。 データセットのクラス数とクラス内およびクラス間の類似度メトリクスから計算される。 この手法を実践者が、繰り返しトレーニングやテストによって、6倍から29倍の速度で効率の良いモデルを選択するのにどのように役立つかを示す。
  論文  参考訳（メタデータ） (2024-04-09T03:27:09Z)
• Rethinking Classifier Re-Training in Long-Tailed Recognition: A Simple Logits Retargeting Approach [102.0769560460338]
  我々は,クラスごとのサンプル数に関する事前知識を必要とせず,シンプルなロジットアプローチ(LORT)を開発した。 提案手法は,CIFAR100-LT, ImageNet-LT, iNaturalist 2018など,様々な不均衡データセットの最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-03-01T03:27:08Z)
• Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
  クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。 我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
  論文  参考訳（メタデータ） (2023-12-27T09:03:43Z)
• See, Say, and Segment: Teaching LMMs to Overcome False Premises [67.36381001664635]
  この課題を解決するために,LMMのカスケードと共同学習手法を提案する。 得られたモデルでは、画像中に物体が存在するかどうかを検知し、その物体が存在しないかをユーザに「例」し、最終的に、対象物のマスクを出力することで「分類」を行う。
  論文  参考訳（メタデータ） (2023-12-13T18:58:04Z)
• Sieve: Multimodal Dataset Pruning Using Image Captioning Models [11.362835828985494]
  Vision-Language Models (VLM) は、大規模で多様でノイズの多いWebcrawledデータセットで事前トレーニングされている。 提案手法は,CLIPがノイズラベルを事前学習しているため,偽陽性や陰性などの複数の制約を伴っていると論じる。 そこで我々は,小,多様,整列した画像テキストペア上で事前訓練された画像キャプションモデルによって生成された合成キャプションを用いたプルーニング信号Sieveを提案する。
  論文  参考訳（メタデータ） (2023-10-03T14:53:53Z)
• Large-Scale Open-Set Classification Protocols for ImageNet [0.0]
  Open-Set Classification (OSC) は、実世界のシナリオにクローズドセットの分類モデルを適用することを目的としている。 本稿では,未知のクラスと未知のクラスの間で,異なるレベルの類似性を持つ自然画像のリッチなデータセットを提供する3つのオープンセットプロトコルを提案する。 本稿では,ディープラーニングモデルのトレーニングが既知のサンプルの分類と未知のサンプルの拒絶の両方に対処するかどうかを評価するために,新しい検証基準を提案する。
  論文  参考訳（メタデータ） (2022-10-13T07:01:34Z)

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。