論文の概要: SAFViT: Spatial Attention Fusion Gating for Vision Transformer-Based Nucleus Segmentation and Classification

• arxiv url: http://arxiv.org/abs/2607.27835v1
• Date: Thu, 30 Jul 2026 08:15:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.450554
• Title: SAFViT: Spatial Attention Fusion Gating for Vision Transformer-Based Nucleus Segmentation and Classification
• Title（参考訳）: SAFViT:視覚変換器を用いた核分割と分類のための空間注意融合ゲーティング
• Abstract要約: 本研究では,CellViTベースモデルにおける従来のスキップ接続を新しい空間注意融合(SAF)ゲーティングモジュールに置き換えることを提案する。 その結果得られた融合機能は、マイノリティな"デッド"クラスを検出するモデルの能力を改善し、PanNukeデータセットのマルチクラスのパノプティクス(mPQ)を向上する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate cell segmentation and classification are foundational to digital pathology, enabling quantitative tissue analysis for diagnosis and treatment planning. Encoder-decoder architectures that fuse multi-scale features through skip connections have become the dominant paradigm for this task, yet standard direct skip connections treat every spatial location equally, which leads to redundant and potentially conflicting information reaching the decoder. To overcome this problem, various gating mechanisms have been introduced, but most of them operate solely on filtering encoder information, neglecting the benefit of global contextual information from the decoder. This study proposes replacing conventional skip connections in a CellViT-based model with a novel Spatial Attention Fusion (SAF) Gating module. Each SAF gate concatenates the encoder skip and upsampled decoder features, compresses them through two pointwise convolutions with an intermediate ReLU, and applies a channel-wise softmax to produce a per-pixel "heatmap of trust" that sums to unity at every spatial location, allowing the network to learn where each source is most trustworthy. The resulting fused features improve the model's ability to detect the minority "Dead" class, which in turn enhances the multi-class panoptic quality (mPQ) on the PanNuke dataset. SAF Gating is compared against six gating alternatives including no gating, attention gates, squeeze-and-excitation, CBAM, cross-attention, and attentional feature fusion on PanNuke and MoNuSeg datasets. SAF Gating achieves the highest mPQ (0.471), a gain driven primarily by a 14.5-point improvement in Dead-class F1 score compared to ungated CellViT baseline.
• Abstract（参考訳）: 正確な細胞分画と分類はデジタル病理の基礎であり、診断と治療計画のための定量的組織分析を可能にする。 スキップ接続を通じてマルチスケール機能を融合するエンコーダ・デコーダアーキテクチャは、このタスクの主要なパラダイムとなっているが、標準的な直接スキップ接続はすべての空間的位置を等しく扱い、デコーダに到達した冗長かつ潜在的に矛盾する情報をもたらす。 この問題を解決するために、様々なゲーティング機構が導入されたが、そのほとんどはエンコーダ情報のフィルタリングにのみ依存しており、デコーダからのグローバルなコンテキスト情報の利点を無視している。 本研究では,CellViTベースモデルにおける従来のスキップ接続を新しい空間注意融合(SAF)ゲーティングモジュールに置き換えることを提案する。 各SAFゲートは、エンコーダスキップとアップスタンプデコーダの特徴を結合し、中間のReLUと2つのポイントワイドの畳み込みを通じてそれらを圧縮し、チャネルワイドのソフトマックスを適用して、各空間位置におけるユニティを和らげる1ピクセルあたりの「信頼のヒートマップ」を生成し、各ソースが最も信頼できる場所をネットワークが学べるようにする。 その結果得られた融合機能は、マイノリティな"デッド"クラスを検出するモデルの能力を改善し、PanNukeデータセットのマルチクラスのパノプティクス(mPQ)を向上する。 SAF Gatingは、ゲーティング、アテンションゲート、シャープ・アンド・エキサイティング、CBAM、クロスアテンション、PanNukeとMoNuSegのデータセット上のアテンショナルフィーチャフュージョンを含む6つのゲーティング代替品と比較される。 SAF Gatingは最も高いmPQ(0.471)を達成しており、これは無作為なCellViTベースラインに比べて14.5ポイントのDeadクラスF1スコアの改善による利得である。

関連論文リスト

• S$^3$AM: A Single-Stream SAM with Reliability-Calibrated Frequency Adapter for Multi-modal Salient Object Detection [74.15663758681849]
  シングルストリームフレームワークは、信頼性キャリブレーションされた周波数適応をMSOD用のSAMバックボーンに組み込む。 RGB-D、RGB-T、RGB-NIRの正当性オブジェクト検出ベンチマークの実験により、提案フレームワークが競合性能を達成することを確認した。
  論文  参考訳（メタデータ） (2026-08-18T08:05:00Z)
• DualGate-Net: A Prior-Gated Dual-Encoder Framework for Histopathology Cell Detection [7.024374684283387]
  本稿では,ConvNeXtV2をベースとしたローカルエンコーダとSegFormerをベースとしたグローバルエンコーダを組み合わせた,事前認識型デュアルエンコーダフレームワークであるDualGate-Netを提案する。 OCELOTベンチマークの実験では、検証セットで0.7722、テストセットで0.7345のマクロF1スコアが達成された。
  論文  参考訳（メタデータ） (2026-06-05T12:36:05Z)
• Prioritizing Gradient Sign Over Modulus: An Importance-Aware Framework for Wireless Federated Learning [72.18619424901249]
  Sign-Prioritized FL (SP-FL) は、不均一なリソース割り当てを通じて重要な勾配情報の送信を優先するフレームワークである。 本稿では,Newton-Raphson 法と逐次凸近似 (SCA) を用いて,この問題を解決するための交互最適化アルゴリズムを提案する。 シミュレーションの結果,特に資源制約シナリオにおけるSP-FLの優位性が確認された。
  論文  参考訳（メタデータ） (2026-03-11T13:41:02Z)
• Pyramidal Adaptive Cross-Gating for Multimodal Detection [0.0]
  PACGNetは、バックボーン内で深い融合を実行するように設計されたアーキテクチャである。 Pモジュールは、プログレッシブ階層的ゲーティング機構を通じて特徴階層を再構築する。 私たちのPACGNetは、mAP50スコアがそれぞれ81.7%と82.1%という、最先端のベンチマークを新たに設定しています。
  論文  参考訳（メタデータ） (2025-12-20T09:32:18Z)
• Source-Free Object Detection with Detection Transformer [59.33653163035064]
  Source-Free Object Detection (SFOD) は、ソースデータにアクセスすることなく、ソースドメインから教師なしのターゲットドメインへの知識転送を可能にする。 ほとんどの既存のSFODアプローチは、より高速なR-CNNのような従来のオブジェクト検出(OD)モデルに限られるか、新しいODアーキテクチャ、特に検出変換器(DETR)に適合しない一般的なソリューションとして設計されている。 本稿では,DTRのクエリ中心の機能強化を特化して設計された新しいSFODフレームワークであるFeature Reweighting ANd Contrastive Learning NetworK(FRANCK)を紹介する。
  論文  参考訳（メタデータ） (2025-10-13T07:35:04Z)
• U-DFA: A Unified DINOv2-Unet with Dual Fusion Attention for Multi-Dataset Medical Segmentation [1.1724961392643483]
  U-DFAはDINOv2-Unetエンコーダとデコーダを統一したアーキテクチャで,新たにLGFA(Local-Global Fusion Adapter)を統合し,セグメンテーション性能を向上させる。 本手法は,トレーニング可能なモデルパラメータの33%に過ぎず,Synapse と ACDC のデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-10-01T07:06:49Z)
• MHAF-YOLO: Multi-Branch Heterogeneous Auxiliary Fusion YOLO for accurate object detection [3.87627600245713]
  MHAF-YOLOは,Multi-Branch Auxiliary FPN(MAFPN)と呼ばれる多機能ネックデザインを特徴とする新しい検出フレームワークである。 SAFは背骨と首を浅い特徴を融合させて橋渡しし、重要な低レベル空間情報を高い忠実度で効果的に転送する。 AAFは、より深いネック層におけるマルチスケールの特徴情報を統合し、出力層によりリッチな勾配情報を提供し、さらにモデル学習能力を高める。 RepHMSはグローバルにネットワークに統合されており、GHFKSを利用して様々な特徴層に対して大きな畳み込みカーネルを選択し、垂直受容領域を拡張し、空間階層にわたってコンテキスト情報をキャプチャする。
  論文  参考訳（メタデータ） (2025-02-07T04:49:42Z)
• A Hybrid Transformer-Mamba Network for Single Image Deraining [70.64069487982916]
  既存のデラリング変換器では、固定レンジウィンドウやチャネル次元に沿って自己アテンション機構を採用している。 本稿では,多分岐型トランスフォーマー・マンバネットワーク(Transformer-Mamba Network,TransMamba Network,Transformer-Mamba Network)を提案する。
  論文  参考訳（メタデータ） (2024-08-31T10:03:19Z)
• Local-to-Global Cross-Modal Attention-Aware Fusion for HSI-X Semantic Segmentation [19.461033552684576]
  HSI-X分類のためのローカル・グローバル・クロスモーダル・アテンション・アウェア・フュージョン(LoGoCAF)フレームワークを提案する。 LoGoCAFは、HSIとXのモダリティから情報を学ぶために、ピクセルからピクセルまでのセマンティックセマンティックセマンティックセマンティクスアーキテクチャを採用している。
  論文  参考訳（メタデータ） (2024-06-25T16:12:20Z)
• SCTransNet: Spatial-channel Cross Transformer Network for Infrared Small Target Detection [46.049401912285134]
  赤外線小ターゲット検出(IRSTD)は近年,U字型ニューラルモデルから大きな恩恵を受けている。 既存のテクニックは、ターゲットが背景と高い類似性を持つ場合に苦労する。 本稿では,空間チャネルクロストランスネットワーク(SCTransNet)を提案する。
  論文  参考訳（メタデータ） (2024-01-28T06:41:15Z)
• MaxViT-UNet: Multi-Axis Attention for Medical Image Segmentation [0.46040036610482665]
  MaxViT-UNetは医療画像セグメンテーションのためのハイブリッドビジョントランス (CNN-Transformer) である。 提案するハイブリッドデコーダは,各復号段階における畳み込み機構と自己保持機構の両方のパワーを利用するように設計されている。 復号器の各段階における多軸自己アテンションの包含は、対象領域と背景領域の識別能力を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-05-15T07:23:54Z)
• CDDFuse: Correlation-Driven Dual-Branch Feature Decomposition for Multi-Modality Image Fusion [138.40422469153145]
  本稿では,CDDFuse(Relationed-Driven Feature Decomposition Fusion)ネットワークを提案する。 近赤外可視画像融合や医用画像融合など,複数の融合タスクにおいてCDDFuseが有望な結果をもたらすことを示す。
  論文  参考訳（メタデータ） (2022-11-26T02:40:28Z)
• CaEGCN: Cross-Attention Fusion based Enhanced Graph Convolutional Network for Clustering [51.62959830761789]
  クロスアテンションに基づくディープクラスタリングフレームワークCross-Attention Fusion based Enhanced Graph Convolutional Network (CaEGCN)を提案する。 CaEGCNには、クロスアテンション融合、Content Auto-Encoder、Graph Convolutional Auto-Encoder、および自己監視モデルという4つの主要なモジュールが含まれている。 異なるタイプのデータセットに対する実験結果は、提案したCaEGCNの優位性とロバスト性を証明する。
  論文  参考訳（メタデータ） (2021-01-18T05:21:59Z)

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。