論文の概要: EOVSAM: Efficient Open-Vocabulary Segmentation with SAM 3 in One Pass
- arxiv url: http://arxiv.org/abs/2608.02284v1
- Date: Mon, 03 Aug 2026 14:15:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.59304
- Title: EOVSAM: Efficient Open-Vocabulary Segmentation with SAM 3 in One Pass
- Title（参考訳）: EOVSAM:SAM 3をワンパスで効率的なオープンボキャブラリセグメンテーション
- Abstract要約: SAM 3 (EOVSAM) を用いた効率的な開語彙セグメンテーションフレームワークを提案する。
EOVSAMはSAM 3をシングルパス予測に適応させる。
評価されたすべてのデータセットにおいて、バニラSAM 3よりもセグメンテーション精度が一貫して向上する。
- 参考スコア（独自算出の注目度）: 79.69317943751223
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Open-vocabulary segmentation identifies and segments objects from arbitrary textual descriptions. SAM 3 supports noun-phrase-guided segmentation and achieves competitive open-vocabulary performance through exhaustive vocabulary traversal, yet suffers from prohibitive computational overhead as target categories scale. In this paper, we propose an Efficient Open-Vocabulary segmentation framework with SAM 3 (EOVSAM), which adapts SAM 3 for single-pass prediction. EOVSAM removes prompt conditioning to turn SAM 3 into an efficient mask generator and introduces a new Attentional Aggregation strategy to optimize open-vocabulary classification end-to-end. This formulation avoids the multi-stage pipelines and post-processing heuristics commonly used by existing methods, while mitigating the closed-set collapse that can arise when classification is optimized directly. EOVSAM consistently improves segmentation accuracy over vanilla SAM 3 on all evaluated datasets and accelerates inference by up to 338$\times$. Furthermore, EOVSAM maintains high accuracy at lower resolutions while achieving even more remarkable inference speeds. Experiments on standard semantic and panoptic segmentation benchmarks show that EOVSAM combines competitive or state-of-the-art accuracy with a substantial speed advantage over existing open-vocabulary segmentation models. Code and models are available at https://github.com/hustvl/EOVSAM.
- Abstract（参考訳）: Open-vocabulary segmentationは任意のテキスト記述からオブジェクトを特定し、セグメント化する。
SAM 3は名詞句誘導セグメンテーションをサポートし、徹底的な語彙トラバーサルを通じて競合するオープン語彙性能を実現するが、ターゲットカテゴリーの規模として計算オーバーヘッドが禁じられている。
本稿では,SAM 3 をシングルパス予測に適用した SAM 3 (EOVSAM) を用いた効率的な開語彙セグメンテーションフレームワークを提案する。
EOVSAMはSAM 3を効率的なマスクジェネレータにするためのプロンプト条件を取り除き、オープン語彙分類をエンドツーエンドに最適化するための新しいアテンショナルアグリゲーション戦略を導入した。
この定式化は、既存の手法で一般的に使われているマルチステージパイプラインや後処理のヒューリスティックを回避すると同時に、分類を直接最適化した場合に発生するクローズドセットの崩壊を緩和する。
EOVSAMはバニラSAM 3のセグメンテーション精度を常に改善し、最大338$\times$で推論を高速化する。
さらに、EOVSAMは低解像度で高い精度を維持しつつ、さらに顕著な推論速度を実現している。
標準的なセグメンテーションとパノプティックセグメンテーションのベンチマークの実験では、EOVSAMは既存のオープン語彙セグメンテーションモデルよりもかなり高速に競合または最先端の精度を組み合わせている。
コードとモデルはhttps://github.com/hustvl/EOVSAMで入手できる。
関連論文リスト
- ActiveSAM: Image-Conditional Class Pruning for Fast and Accurate Open-Vocabulary Segmentation [40.432049062995326]
トレーニング不要のゼロショット推論フレームワークであるActiveSAMを紹介し、SAM 3をアクティブ語彙セグメンタにする。
8つのOVSSベンチマークで、ActiveSAMはトレーニング不要なオープン語彙セマンティックセマンティックセグメンテーションの速度と精度のトレードオフを改善している。
ActiveSAMは、自律運転や組み込みAIといったノイズの多い入力ドメインへのデプロイメントに適している。
論文 参考訳（メタデータ） (2026-06-15T17:31:30Z) - CLIP-Guided SAM: Parameter-Efficient Semantic Conditioning for Promptable Segmentation [6.517222960194991]
内部的セマンティック・コンディショニングに基づくパラメータ効率のセグメンテーションフレームワークであるCLIP-Guided SAMを提案する。
セマンティック信号のみを使用してプロンプトを生成する代わりに、CLIP由来のテキスト、ビジョン、および類似機能をSAMの画像エンコーダに直接注入する。
我々のフレームワークは低ラベルデータ設定用に設計されており、汎用ベンチマークと特化下流タスクの両方に適用できる。
論文 参考訳（メタデータ） (2026-05-24T01:40:30Z) - Semantic-Fast-SAM: Efficient Semantic Segmenter [0.6816905600359814]
本稿では,高速セグメンテーションモデルとセマンティックラベリングパイプラインを組み合わせたセマンティックセグメンテーションフレームワークを提案する。
FastSAMは、CNNベースのSegment Anything Model(SAM)の効率的な再実装である。
SFSはSAMベースの手法の計算コストとメモリフットプリントのごく一部で高品質なセマンティックセグメンテーションマップを生成する。
論文 参考訳（メタデータ） (2026-04-22T04:18:39Z) - Do Instance Priors Help Weakly Supervised Semantic Segmentation? [82.75875820720616]
SeSAMは、セグメンテーションモデル(Segment Anything Model、SAM)と弱いラベルを持つフレームワークである。
SeSAMはクラスマスクを接続されたコンポーネントに分解し、オブジェクトスケルトンに沿ってサンプルポイントプロンプトを抽出し、弱いラベルカバレッジを使用してSAMマスクを選択し、擬似ラベルを使用してラベルを反復的に洗練する。
SeSAMは、半教師付き学習フレームワークと統合され、基底構造ラベル、SAMベースの擬似ラベル、高信頼の擬似ラベルのバランスをとる。
論文 参考訳（メタデータ） (2026-04-13T08:29:49Z) - Tarot-SAM3: Training-free SAM3 for Any Referring Expression Segmentation [18.568343383992072]
Tarot-SAM3は、任意の参照式から正確にセグメンテーションできる、トレーニング不要のフレームワークである。
Tarot-SAM3は2つの重要なフェーズで構成されている。第一に、推論補助的なプロンプトオプションを導入するReasoning Expression Interpreter (ERI) フェーズである。
第2に、マスク自己精製(MSR)フェーズは、プロンプトタイプにまたがる最高のマスクを選択し、自己精製を行う。
論文 参考訳（メタデータ） (2026-04-09T07:37:09Z) - SegEarth-OV3: Exploring SAM 3 for Open-Vocabulary Semantic Segmentation in Remote Sensing Images [51.42466259821335]
我々は, SAM 3 をリモートセンシング OVSS タスクに適用するための予備的な検討を行った。
まず,SAM 3のセマンティックセグメンテーションヘッドとトランスフォーマーデコーダの出力を組み合わせたマスク融合戦略を実装した。
第2に、シーンに存在しないカテゴリをフィルタリングするために、プレゼンスヘッドからのプレゼンススコアを利用する。
論文 参考訳（メタデータ） (2025-12-09T15:42:28Z) - VesSAM: Efficient Multi-Prompting for Segmenting Complex Vessel [68.24765319399286]
本稿では,2次元血管セグメンテーションに適した,強力で効率的なフレームワークであるVesSAMを提案する。
VesSAMは、(1)局所的なテクスチャ機能を強化する畳み込みアダプタ、(2)解剖学的プロンプトを融合するマルチプロンプトエンコーダ、(3)ジャグアーティファクトを減らす軽量マスクデコーダを統合する。
VesSAMは、最先端のPEFTベースのSAMを10%以上のDiceと13%のIoUで一貫して上回っている。
論文 参考訳（メタデータ） (2025-11-02T15:47:05Z) - Harnessing Vision Foundation Models for High-Performance, Training-Free Open Vocabulary Segmentation [26.786890883280062]
本稿では,CLIP と DINO が抽出した特徴をサブイメージから切り離し,SAM のエンコーダを利用してグローバルアグリゲーションの相関行列を生成する,トレーニング不要なフレームワーク Trident を紹介する。
Tridentは、現在のSOTAと比較して8つのベンチマークでmIoUを大幅に改善し、44.4から48.6.Codeに増加した。
論文 参考訳（メタデータ） (2024-11-14T06:31:20Z) - EVF-SAM: Early Vision-Language Fusion for Text-Prompted Segment Anything Model [39.967352995143855]
初期ビジョン言語Fusion-based SAM (EVF-SAM) について紹介する。
EVF-SAMは、マルチモーダルプロンプト(画像とテキスト)を利用する、シンプルだが効果的な参照セグメンテーション手法である
BEIT-3をベースとしたEVF-SAMにより,RefCOCO/+/gにおける表現セグメンテーションの最先端性能が得られた。
論文 参考訳（メタデータ） (2024-06-28T17:38:18Z) - PosSAM: Panoptic Open-vocabulary Segment Anything [58.72494640363136]
PosSAMはオープン・ボキャブラリ・パノプティ・セグメンテーション・モデルであり、Segment Anything Model(SAM)の強みを、エンドツーエンドのフレームワークで視覚ネイティブのCLIPモデルと統合する。
本稿では,マスクの質を適応的に向上し,各画像の推論中にオープン語彙分類の性能を高めるマスク対応選択組立アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-03-14T17:55:03Z) - 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。