論文の概要: DishSeg24k: A Large-Scale Benchmark for Food Segmentation with Stochastic Expert Decoding

• arxiv url: http://arxiv.org/abs/2607.23070v1
• Date: Sat, 25 Jul 2026 06:40:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:14.987509
• Title: DishSeg24k: A Large-Scale Benchmark for Food Segmentation with Stochastic Expert Decoding
• Title（参考訳）: DishSeg24k: 確率的エキスパートデコーディングによる食品セグメンテーションのための大規模ベンチマーク
• Abstract要約: textbfDishSeg24kは,24,096イメージ,112,281インスタンス,および278の詳細なカテゴリを実世界のダイニング環境に導入した大規模食器レベルのセグメンテーションベンチマークである。 DishSeg24kに基づいて、これらの課題に対処するために textbfFood Expert-Adaptive Transformers (FEAST) を提案する。 DishSeg24kの実験では、FEASTの最先端性能が実証され、従来の手法を+3.21% mIoU, +3.68で上回っている。
• 参考スコア（独自算出の注目度）: 49.56343480718948
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Food segmentation is essential for applications such as intelligent catering, dietary assessment, and recommendation. However, existing benchmarks fail to capture the complexity of real-world dining scenes. The challenges of dense inter-dish overlap, fine-grained class similarity, and extreme long-tail class distributions exceed the fidelity of current datasets. To fill this gap, we introduce \textbf{DishSeg24k}, a large-scale dish-level segmentation benchmark with 24,096 images, 112,281 instances, and 278 fine-grained categories in real-world dining environments. Based on DishSeg24k, we further propose \textbf{Food Expert-Adaptive Segmentation Transformers (FEAST)} to address these challenges. FEAST models query-based decoding as a Markov Decision Process (MDP), where each decoder layer update is treated as a sequential decision step that explores uncertainty along dish boundaries. We further redesign the decoder with a reinforcement learning (RL)-guided Mixture-of-Experts (MoE) module, in which a dual-critic decoupled optimization scheme separates task-oriented query refinement from structure-aware expert routing. This design promotes expert specialization and prevents expert collapse under long-tail category distributions. Finally, extensive experiments on DishSeg24k demonstrate the state-of-the-art performance of FEAST, which outperforms previous methods by {+3.21\%} mIoU, {+3.68\%} mDice, and {+4.00\%} mAcc, respectively. We further validate the effectiveness of FEAST on FoodSeg103. The dataset and code will be publicly released.
• Abstract（参考訳）: 食品のセグメンテーションは、インテリジェントなキャタリング、食事アセスメント、レコメンデーションなどの応用に不可欠である。 しかし、既存のベンチマークは現実世界のダイニングシーンの複雑さを捉えていない。 密度の高いディッシュ間重なり合い、きめ細かいクラス類似性、極端なロングテールクラス分布の課題は、現在のデータセットの忠実さを超えている。 このギャップを埋めるために,24,096イメージ,112,281インスタンス,および278の細粒度カテゴリを実世界のダイニング環境に導入した大規模食器レベルのセグメンテーションベンチマークである \textbf{DishSeg24k} を紹介した。 DishSeg24kに基づいて、これらの課題に対処するために、さらに \textbf{Food Expert-Adaptive Segmentation Transformer (FEAST)を提案する。 FEASTはクエリベースのデコーディングをMarkov Decision Process(MDP)としてモデル化する。 さらに,このデコーダを強化学習(RL)誘導型Mixture-of-Experts(MoE)モジュールで再設計し,マルチクリティックなデカップリング最適化方式により,タスク指向のクエリ改善と構造対応のエキスパートルーティングを分離する。 この設計は専門家の専門化を促進し、ロングテールカテゴリーの分布の下で専門家の崩壊を防ぐ。 最後に、DishSeg24kに関する広範な実験により、FEASTの最先端性能が実証され、これは、それぞれ {+3.21\%} mIoU, {+3.68\%} mDice, {+4.00\%} mAcc によって、従来の手法よりも優れていた。 FEASTのFoodSeg103に対する効果をさらに検証した。 データセットとコードは公開される。

関連論文リスト

• Technical Report for ICRA 2026 GOOSE 2D Fine-Grained Semantic Segmentation Challenge: Exploring Query-Based Segmentation and Increased Spatial Context for Outdoor Scene Understanding [2.685567215235468]
  GOOSE 2D Fine-Grained Semantic ChallengeをICRA 2026のフィールドロボティクスワークショップの一環として開催する。 この課題は、56のきめ細かいクラスと11のより広いカテゴリの階層的な分類法を用いて注釈付けされた、GOOSEデータセットとGOOSE-Exデータセットのデータを組み合わせている。 最終提出は、挑戦テストセットの69.6%のmIoUを達成し、屋外環境におけるきめ細かいセマンティックセグメンテーションのための強力なベースラインを提供する。
  論文  参考訳（メタデータ） (2026-06-19T14:13:04Z)
• AnchorMoE: Interpretable Time Series Classification via Anchor-Routed MoE [51.994752158953084]
  AnchorMoEは、解釈可能な構成別分類フレームワークである。 ローカルパッチのマルチビュー表現をエンコードし、専門の専門家にルーティングする。 実世界のベンチマークと合成ベンチマークの実験は、AnchorMoEが非常に競争力のある分類性能を達成することを示した。
  論文  参考訳（メタデータ） (2026-06-02T13:30:54Z)
• ModuSeg: Decoupling Object Discovery and Semantic Retrieval for Training-Free Weakly Supervised Segmentation [8.671473711194741]
  弱教師付きセマンティックセグメンテーションは、画像レベルのラベルを用いてピクセルレベルの予測を実現することを目的としている。 我々は、オブジェクト発見と意味代入を明確に分離することに焦点を当てた、トレーニング不要な弱教師付きセマンティックセマンティックセマンティクスフレームワークであるModuSegを紹介する。
  論文  参考訳（メタデータ） (2026-04-08T12:38:07Z)
• BenchSeg: A Large-Scale Dataset and Benchmark for Multi-View Food Video Segmentation [25.750204283738054]
  我々は、新しいマルチビューフードビデオセグメンテーションデータセットとベンチマークであるBenchSegを紹介する。 BenchSegは55の料理シーンを25,284の微妙な注釈付きフレームで集約し、各料理を360度カメラで撮影する。 既存のFoodSeg103データセット上で20種類の最先端セグメンテーションモデルを評価し,BenchSeg上で評価する。
  論文  参考訳（メタデータ） (2026-01-12T14:32:51Z)
• LLMs-based Augmentation for Domain Adaptation in Long-tailed Food Datasets [54.527878056610156]
  食品認識におけるこれらの課題に対処するために,大規模言語モデル(LLM)を用いた枠組みを提案する。 まず LLM を利用して食品イメージを解析し,食品のタイトルや材料を生成する。 そして、生成したテキストと食品の画像を異なるドメインから共有埋め込み空間に投影し、ペアの類似性を最大化する。
  論文  参考訳（メタデータ） (2025-11-20T04:38:56Z)
• OMH: Structured Sparsity via Optimally Matched Hierarchy for Unsupervised Semantic Segmentation [69.37484603556307]
  Un Semantic segmenting (USS)は、事前に定義されたラベルに頼ることなく、イメージをセグメント化する。 上記の問題を同時に解決するために,OMH (Optimally Matched Hierarchy) という新しいアプローチを導入する。 我々のOMHは既存のUSS法と比較して教師なしセグメンテーション性能がよい。
  論文  参考訳（メタデータ） (2024-03-11T09:46:41Z)
• Hierarchical Audio-Visual Information Fusion with Multi-label Joint Decoding for MER 2023 [51.95161901441527]
  本稿では,離散的感情と次元的感情の両方を認識するための新しい枠組みを提案する。 基礎モデルから抽出した深い特徴は、生ビデオの頑健な音響的および視覚的表現として使用される。 我々の最終システムは最先端のパフォーマンスを達成し、MER-MULTIサブチャレンジのリーダーボードで3位にランクインする。
  論文  参考訳（メタデータ） (2023-09-11T03:19:10Z)
• MEDOE: A Multi-Expert Decoder and Output Ensemble Framework for Long-tailed Semantic Segmentation [36.03023287593103]
  セマンティックカテゴリの長期分布は、セマンティックセグメンテーションにおいて不満足なパフォーマンスを引き起こす。 本稿では,コンテキスト情報アンサンブル・グループ化による長期的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新しいフレームワークMEDOEを提案する。 実験の結果,提案フレームワークは,CityscapesとADE20Kデータセットの両方において,現在の手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-08-16T08:30:44Z)
• Improving Semi-Supervised and Domain-Adaptive Semantic Segmentation with Self-Supervised Depth Estimation [94.16816278191477]
  本稿では,セミアダプティブなセマンティック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フレームワークを提案する。 ラベルのない画像シーケンスでのみ訓練された自己教師付き単眼深度推定によって強化される。 提案したモデルをCityscapesデータセット上で検証する。
  論文  参考訳（メタデータ） (2021-08-28T01:33:38Z)

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。