論文の概要: PathSelect: Sequential Token Selection for Whole Slide Pathology

• arxiv url: http://arxiv.org/abs/2607.23631v1
• Date: Sun, 26 Jul 2026 12:36:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.174362
• Title: PathSelect: Sequential Token Selection for Whole Slide Pathology
• Title（参考訳）: PathSelect:全スライド病に対する逐次トークン選択
• Abstract要約: WSI(Whole-Slide Images)は、視覚言語モデル(VLM)の基本的計算ボトルネックを示す。 我々は、WSIトークンプルーニングを逐次選択プロセスとして再構成し、モデルが最適なルーティング戦略を自律的に学習できるようにする。
• 参考スコア（独自算出の注目度）: 0.6362628914555645
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Gigapixel Whole-Slide Images (WSIs) present a fundamental computational bottleneck for vision-language models (VLMs) due to extreme sequence lengths. Existing approaches predominantly rely on spatial sampling or training-free pruning, which risk diluting weak but informative signals, leading to the loss of critical diagnostic evidence due to the spatially diffuse nature of pathological cues. We reformulate WSI token pruning as a sequential selection process, enabling the model to autonomously learn an optimal routing strategy rather than relying on static heuristics. We herein propose a decoupled routing framework integrated as an active plugin into the fully pre-trained SlideChat base model, leaving both the slide encoder and large language model frozen. To provide continuous gradients for the non-differentiable pruning operation during training, we introduce PathSelect. PathSelect employs a variance-preserving noise gate to modulate each patch's information flow via a differentiable Soft Top-K operator, paired with a diagonal-attention Denoiser that recovers the perturbed representations without semantic leakage. At inference, the PathSelect module is entirely detached. Relying solely on the trained Scorer, a deterministic Hard Top-K operator executes adaptive, data-dependent trajectory termination, significantly accelerating downstream generative processing with exceptionally low sequential token selection latency. Driven by an empirical average of only 44.86 tokens under a maximum constraint of K = 128, our framework achieves 74.00% overall accuracy on SlideBench (TCGA), representing an approximate 36.6x spatial token reduction relative to the uncompressed baseline average while consistently outperforming sampling-based counterparts.
• Abstract（参考訳）: Gigapixel Whole-Slide Images (WSIs) は視覚言語モデル(VLMs)の基本計算ボトルネックである。 既存のアプローチは主に、弱いが情報的なシグナルを希釈する危険がある空間的サンプリングやトレーニングなしプルーニングに依存しており、病理学的手がかりの空間的拡散性に起因する重要な診断証拠が失われている。 我々はWSIトークンプルーニングを逐次選択プロセスとして再構成し、静的ヒューリスティックスに頼るのではなく、最適なルーティング戦略を自律的に学習することを可能にする。 本稿では、完全に事前訓練されたSlideChatベースモデルにアクティブプラグインとして統合された分離ルーティングフレームワークを提案し、スライドエンコーダと大規模言語モデルの両方を凍結させる。 トレーニング中の非微分不能プルーニング動作に対して連続的な勾配を与えるため,PathSelectを導入する。 PathSelectは分散保存ノイズゲートを使用して、各パッチの情報フローを、識別可能なソフトトップK演算子を介して変調し、対角アテンションデノイザと組み合わせて、セマンティックリークなしで摂動表現を復元する。 推測すると、PathSelectモジュールは完全に分離されている。 訓練されたScorerのみを頼りに、決定論的なHard Top-K演算子は、適応的でデータ依存の軌道終端を実行し、例外的に低いシーケンシャルトークン選択レイテンシで下流生成処理を著しく高速化する。 K = 128の最大制約の下で44.86のトークンしか持たない経験的平均により、我々のフレームワークはSlideBench (TCGA) で74.00%の精度を達成し、非圧縮ベースライン平均に対しておよそ36.6倍の空間トークン削減を実現し、サンプリングベースのトークンを一貫して上回っている。

関連論文リスト

• PathGuide: Dynamic Classifier-Free Guidance via On-Policy Transport Alignment [7.359926148820936]
  本稿では,スカラーCFG選択をオンライン交通問題として再検討するPathGuideを紹介する。 このトランスポートベースのセレクタは、固定的および最先端の適応的ガイダンスベースラインよりもパスアライメントとサンプル忠実度を向上させることを実証する。
  論文  参考訳（メタデータ） (2026-08-29T07:26:21Z)
• Difficulty-Calibrated Interpolation Paths for Conditional Flow Matching [0.0]
  条件付きフローマッチングは、所定のノイズ・データ・パスの速度にネットワークを後退させて生成モデルを訓練する。 本研究では,条件付きフローマッチングの回帰困難度が経路に沿って系統的に変化することを示す。 本稿では,モデル自体からスケジュールを導出するDifficulty-Calibrated Flow Matchingを提案する。
  論文  参考訳（メタデータ） (2026-08-21T16:42:52Z)
• Learnable Token Sparsification for Efficient Gigapixel Whole Slide Image Reasoning [8.596353244934853]
  本研究では,スライディング画像全体のトークン削減をトレーニング可能なスペーシング問題として再検討する。 我々のフレームワークはSlideBench (TCGA) で73.32%の精度を実現していることを示す。 この研究は、エンド・ツー・エンドのギガピクセル全体の画像推論に非常に効率的なパラダイムを提供する。
  論文  参考訳（メタデータ） (2026-06-07T14:07:28Z)
• Spectral Guidance for Flexible and Efficient Control of Diffusion Models [25.912824880444262]
  生成過程の内在的幾何を利用して拡散モデルを制御するためのフレームワークであるスペクトル誘導を導入する。 本研究では,条件付き期待演算子の特異関数として特徴付け,自己指導的目的によって学習可能であることを示す。
  論文  参考訳（メタデータ） (2026-05-27T15:11:09Z)
• 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)
• Thinking in Scales: Accelerating Gigapixel Pathology Image Analysis via Adaptive Continuous Reasoning [52.41928980786654]
  スライド画像全体に対してトークン効率のよいスケール空間連続推論を可能にするPathCTMを提案する。 PathCTMは診断推論を動的逐次情報追跡として定式化する。 必要な画像パッチの数を95.95%削減し、推論時間を約95.62%短縮し、AUCを劣化せずに維持する。
  論文  参考訳（メタデータ） (2026-05-19T07:46:44Z)
• Self-Adversarial One Step Generation via Condition Shifting [11.426065945265647]
  APEXは、フローモデルから不均一に抽出された逆補正信号のフレームワークである。 私たちの0.6BモデルはFLUX-Schnell 12B(20$times$ more parameters)を1ステップ品質で上回ります。 Qwen-Image 20BのLoRAチューニングにより、APEXは6時間でNFE=1のGenEvalスコア0.89に達し、最初の50ステップの教師(0.87)を超え、15.33$times$推論スピードアップを提供する。
  論文  参考訳（メタデータ） (2026-04-14T05:54:33Z)
• CurvZO: Adaptive Curvature-Guided Sparse Zeroth-Order Optimization for Efficient LLM Fine-Tuning [15.930478833291827]
  バックプロパゲーションを備えた微調整の大型言語モデル(LLM)は高い性能を実現するが、かなりのメモリオーバーヘッドを引き起こす。 本稿では、スカラーZOフィードバックからオンラインの曲率信号を追跡するCurvZOを提案する。 CurvZOは微調整性能を継続的に改善し,ZOベースラインでのトレーニング時間を短縮することを示す。
  論文  参考訳（メタデータ） (2026-03-23T09:13:45Z)
• Learnable Chernoff Baselines for Inference-Time Alignment [64.81256817158851]
  本稿では,指数関数的に傾いたカーネルから効率よく,およそサンプリングする方法として,Learnerable Chernoff Baselinesを紹介した。 理想的なモデルに対する全変量保証を確立し、LCBサンプリングが理想的拒絶サンプリングと密接に一致するような連続的および離散的な拡散設定を実証する。
  論文  参考訳（メタデータ） (2026-02-08T00:09:40Z)
• Guided Path Sampling: Steering Diffusion Models Back on Track with Principled Path Guidance [5.814544128372275]
  本稿では,反復的改善のための新しいパラダイムとしてガイドパスサンプリング(GPS)を提案する。 GPSは不安定な外挿を、データ多様体上のサンプリングパスが残るように、原理化された、多様体に制約されたものに置き換える。 GPSは、知覚品質と複雑なプロンプト順守の両方において、既存の手法より優れています。
  論文  参考訳（メタデータ） (2025-12-28T11:12:56Z)
• Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
  Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。 CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
  論文  参考訳（メタデータ） (2023-10-01T05:07:17Z)
• Automated classification of pre-defined movement patterns: A comparison between GNSS and UWB technology [55.41644538483948]
  リアルタイム位置情報システム(RTLS)は、人間の動きパターンからデータを収集することができる。 本研究の目的は、小さな領域における人間の動きパターンを分類する自動化された枠組みを設計し、評価することである。
  論文  参考訳（メタデータ） (2023-03-10T14:46:42Z)
• Latent Class-Conditional Noise Model [54.56899309997246]
  本稿では,ベイズ的枠組みの下での雑音遷移をパラメータ化するためのLatent Class-Conditional Noise Model (LCCN)を提案する。 次に、Gibs sampler を用いて遅延真のラベルを効率的に推測できる LCCN の動的ラベル回帰法を導出する。 提案手法は,サンプルのミニバッチから事前の任意チューニングを回避するため,ノイズ遷移の安定な更新を保護している。
  論文  参考訳（メタデータ） (2023-02-19T15:24:37Z)

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。