論文の概要: Lean-SAM2: Target-Anchored Memory and Encoder Acceleration for SAM2
- arxiv url: http://arxiv.org/abs/2607.19811v1
- Date: Wed, 22 Jul 2026 06:42:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-23 18:51:37.994997
- Title: Lean-SAM2: Target-Anchored Memory and Encoder Acceleration for SAM2
- Title（参考訳）: Lean-SAM2: SAM2のターゲットアンコールメモリとエンコーダ高速化
- Abstract要約: Lean-SAM2は、上記の脆弱性に対処しつつ、計算上の冗長性を体系的に排除するように設計された、全体的な軽量フレームワークである。
Lean-SAM2は,(1)ターゲットアンコール型メモリ・プルーニング(TAMP)の安全保護,(2)保険記憶によるテンポラル凝縮,(3)ターゲットアンコール型リスク・アウェア・ルーティング(TARR)の3つの協調メカニズムを統合し,アンカー類似性に基づくターゲット関連ウィンドウの重画像エンコーダを選択的に活性化する。
- 参考スコア（独自算出の注目度）: 7.989538161016021
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Segment Anything Model 2 (SAM2) has advanced temporal promptable segmentation, yet its deployment remains hindered by heavy memory cross-attention overhead and redundant full-frame visual feature extraction. While recent methods explore efficiency via heuristic memory pruning and window-based sparse routing, they typically suffer from catastrophic performance degradation in complex segmentation scenarios replete with occlusions and distractors. To resolve these limitations, we propose \textbf{Lean-SAM2}, a holistic lightweight framework designed to address the above vulnerabilities while systematically eliminating computational redundancies. Specifically, Lean-SAM2 integrates three collaborative mechanisms: (1) Target-Anchored Memory Pruning (TAMP) safeguards target tokens against deceptive attention by modulating raw attention significance with semantic consistency against prompt-derived foreground anchors; (2) Temporal Condensation with Insurance Memory (TCIM) condenses historical context via a visibility-gated fusion while conditionally archiving high-confidence entries in a parallel insurance bank; and (3) Target-Anchored Risk-Aware Routing (TARR) selectively activates the heavy image encoder for target-related windows based on anchor similarity, utilizing a risk-aware fallback policy to trigger full-frame refreshes during volatile transitions. Extensive evaluations across multiple challenging benchmarks demonstrate that Lean-SAM2 establishes a superior balance between accuracy and efficiency. For example, on the LVOSv2 validation dataset, Lean-SAM2 achieves overall inference speedups of $1.412\times$ and $1.417\times$ on the SAM2.1-Large and SAM2.1-Base+, respectively, significantly outperforming Efficient-SAM2 while boosting the corresponding $\mathcal{J}\&\mathcal{F}$ scores by $5.0\%$ and $3.6\%$. Code is available at https://github.com/DeawhaleQwQ/Lean-SAM2.
- Abstract（参考訳）: Segment Anything Model 2 (SAM2) は、時間的プロンプト可能なセグメンテーションが進んでいるが、そのデプロイメントは重いメモリのクロスアテンションオーバーヘッドと冗長なフルフレームの視覚的特徴抽出によって妨げられている。
近年の手法では、ヒューリスティックメモリプルーニングとウィンドウベースのスパースルーティングによる効率性の検証が行われているが、複雑なセグメンテーションシナリオでは、オクルージョンやイントラクタを伴い、壊滅的なパフォーマンス劣化に悩まされることが多い。
これらの制限を解決するために,計算冗長性を体系的に排除しつつ,上記の脆弱性に対処する包括的軽量フレームワークである「textbf{Lean-SAM2}」を提案する。
特に、Lean-SAM2は、3つの協調メカニズムを統合している。(1)ターゲットアンコール型メモリ・プルーニング(TAMP)は、ターゲットトークンを偽の注意を欺くために、プロンプト由来のフォアグラウンドアンカーに対する意味的一貫性による生の注意の重要度を調節することで保護する;(2)保険メモリによるテンポラルコンデンサ(TCIM)は、並列保険銀行における高信頼エントリを条件付きアーカイブしながら、可視的融合を通じて歴史的コンテキストを凝縮する;(3)ターゲットアンコール型リスク・アウェア・ルーティング(TARR)は、アンカー類似性に基づいてターゲット関連ウィンドウの重い画像エンコーダを選択的に活性化し、揮発性遷移中にフルフレームリフレッシュをトリガーするリスクアウェアのフォールバックポリシーを利用する。
複数の挑戦的なベンチマークに対する大規模な評価は、Lean-SAM2が正確性と効率のバランスが優れていることを示している。
例えば、LVOSv2検証データセットでは、Lean-SAM2は、SAM2.1-LargeとSAM2.1-Base+で1.412\times$と1.417\times$の全体的な推論スピードアップを達成する。
コードはhttps://github.com/DeawhaleQwQ/Lean-SAM2.comで入手できる。
関連論文リスト
- Bifocal Diffusion Language Models: Asymmetric Bidirectional Context for Parallel Generation [39.51953946287085]
本稿では,このジレンマを非対称な双方向文脈で解決する新しいパラダイムであるBifocal dLLMsを紹介する。
60BトークンによるQwen3-1.7Bの継続事前トレーニング実験では、R2LMは双方向のdLLMよりも高いスループットで2.4times$から12.9times$1.9times$を達成することが示された。
論文 参考訳（メタデータ） (2026-06-26T05:26:11Z) - FLARE: Diffusion for Hybrid Language Model [72.60770374799634]
FLAREは、ハイブリッドアテンションな大規模言語モデルのための体系的な変換フレームワークである。
トークン平等なAR/拡散目標、ハードウェア対応カーネル、統一推論を組み合わせることで、ひとつのチェックポイントがARスタイルの検証された復号化と拡散スタイルの並列復号化の両方をサポートすることができる。
この結果から,実際のdLLMは復号化アルゴリズムだけでなく,データ品質や現在のブロック拡散目標のトレーニング非効率によって制限されていることが示唆された。
論文 参考訳（メタデータ） (2026-06-01T06:58:15Z) - Efficient-SAM2: Accelerating SAM2 with Object-Aware Visual Encoding and Memory Retrieval [22.632907736085034]
Segment Anything Model 2 (SAM2) は、ビデオオブジェクトのセグメンテーションタスクにおいて優れたパフォーマンスを示す。
本稿では,タスク非関連計算を排除しつつ,SAM2がオブジェクト領域に適応的に焦点を合わせることを促すEfficient-SAM2を提案する。
無視可能な追加パラメータと最小限のトレーニングオーバーヘッドにより、Efficient-SAM2はSAM2.1-Lモデルで1.68倍の高速化を実現し、SA-Vテストセットでは1.0%の精度低下しか達成できない。
論文 参考訳（メタデータ） (2026-02-09T02:58:33Z) - SimpleMem: Efficient Lifelong Memory for LLM Agents [73.74399447715052]
セマンティックロスレス圧縮に基づく効率的なメモリフレームワークSimpleMemを紹介する。
本稿では,情報密度とトークン利用量の最大化を目的とした3段階パイプラインを提案する。
ベンチマークデータセットを用いた実験により,提案手法は精度,検索効率,推論コストにおいて,ベースラインアプローチを一貫して上回っていることがわかった。
論文 参考訳（メタデータ） (2026-01-05T21:02:49Z) - Vanish into Thin Air: Cross-prompt Universal Adversarial Attacks for SAM2 [48.71856814549096]
UAP-SAM2は,2つの意味的偏差によって駆動されるSAM2に対する最初のクロスプロンプト的普遍的敵攻撃である。
UAP-SAM2は, 最先端(SOTA)攻撃に対して, 大差で有意に優れていた。
論文 参考訳（メタデータ） (2025-10-28T08:59:11Z) - Promptable Fire Segmentation: Unleashing SAM2's Potential for Real-Time Mobile Deployment with Strategic Bounding Box Guidance [0.0]
本稿では,火災セグメンテーションのためのSAM2変種を包括的に評価する。
3つのファイアデータセットにまたがるモバイル指向の変種(TinySAM, MobileSAM)とともに,SAM2.1の4つの変種(tiny, small, base_plus, large)を体系的に評価した。
実験結果から,バウンディングボックスは自動および単一点ベースアプローチより一貫して優れていることが示された。
論文 参考訳（メタデータ） (2025-10-18T09:15:43Z) - Seg2Track-SAM2: SAM2-based Multi-object Tracking and Segmentation for Zero-shot Generalization [3.108551551357326]
Seg2Track-SAM2は、事前訓練されたオブジェクト検出器とSAM2と新しいSeg2Trackモジュールを統合するフレームワークである。
Seg2Track-SAM2は最先端(SOTA)のパフォーマンスを達成し、KITTI MOTSでは車と歩行者の両方で総合4位にランクインした。
結果、Seg2Track-SAM2は、堅牢なゼロショットトラッキング、強化されたアイデンティティ保存、効率的なメモリ利用を組み合わせることで、MOTSの進歩を確認した。
論文 参考訳（メタデータ） (2025-09-15T10:52:27Z) - SAMITE: Position Prompted SAM2 with Calibrated Memory for Visual Object Tracking [58.35852822355312]
Visual Object Tracking (VOT)は、ビデオ内のターゲットを継続的に追跡する自律運転のようなアプリケーションで広く使われている。
これらの問題に対処するために、ビデオ基盤モデルSAM2をVOTに適用し、各フレームの追跡結果をメモリとして符号化し、残りのフレームを自己回帰的に条件付けする手法を提案する。
これらの課題に対処するために,SAM2 上にモジュールを追加して構築した SAMITE モデルを提案する。
論文 参考訳（メタデータ） (2025-07-29T12:11:56Z) - SAMPa: Sharpness-aware Minimization Parallelized [51.668052890249726]
シャープネス認識(SAM)はニューラルネットワークの一般化を改善することが示されている。
SAMの更新には2つの勾配を瞬時に計算する必要がある。
我々は,SAMPaと呼ばれるSAMの簡単な修正を提案し,この2つの勾配計算を完全に並列化することができる。
論文 参考訳（メタデータ） (2024-10-14T16:21:23Z) - 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) - 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)
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。