論文の概要: Universal Concept Disruption for SAM3 Image Segmentation
- arxiv url: http://arxiv.org/abs/2608.05983v1
- Date: Thu, 06 Aug 2026 13:00:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-07 15:25:20.906233
- Title: Universal Concept Disruption for SAM3 Image Segmentation
- Title（参考訳）: SAM3イメージセグメンテーションのためのユニバーサルコンセプトディスラプション
- Abstract要約: SAM3イメージセグメンテーションに適した,最初のユニバーサルクロスコンセプション対逆攻撃であるUniversal Concept Disruption(UCD)を紹介する。
UCDは、(イメージ、名詞句)ペアから単一の境界画像摂動を学習し、SAM3を統合コンセプトグラウンドシステムとして攻撃する。
- 参考スコア（独自算出の注目度）: 11.317445647823961
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: SAM3 extends promptable segmentation from geometry-driven mask prediction to open-vocabulary concept segmentation, where a text-conditioned grounding model decides whether a concept is present and segments all matching instances. While this presence-gated design improves concept-level prediction, its adversarial robustness remains unexplored. In this paper, we introduce Universal Concept Disruption (UCD), the first universal cross-concept adversarial attack tailored to SAM3 image segmentation. UCD learns a single bounded image perturbation from (image, noun-phrase) pairs and attacks SAM3 as an integrated concept-grounding system. It jointly disrupts the text-conditioned input path, maximizes divergence in prompt-shared visual features, suppresses the final presence-gated concept scores, and corrupts the spatial validity of retained masks through area collapse and clean-mask Dice disruption. Across SACo-Gold, LVIS, RefCOCO, PhraseCut, and OpenImages datasets, UCD consistently outperforms all baselines under a matched evaluation protocol, reducing average mask AP from 59.43 to 18.73 and average cgF1 from 50.32 to 20.49. The learned perturbation also transfers to SAM3.1 and to SAM3 video inference without re-optimization, while prompt ensembling, lightweight head fine-tuning, and temporal filtering provide limited recovery.
- Abstract（参考訳）: SAM3は、ジオメトリ駆動のマスク予測からオープンボキャブラリの概念セグメンテーションまで、迅速なセグメンテーションを拡張しており、そこではテキスト条件の接地モデルが概念が存在するかどうかを決定し、すべてのマッチングインスタンスをセグメンテーションする。
この存在宣言型設計は概念レベルの予測を改善するが、その敵の堅牢性は未解明のままである。
本稿では,SAM3イメージセグメンテーションに合わせた最初のユニバーサル・コンセプション・コンセプション・アタックであるユニバーサル・コンセプション・ディスラプション(UCD)を紹介する。
UCDは、(イメージ、名詞句)ペアから単一の境界画像摂動を学習し、SAM3を統合コンセプトグラウンドシステムとして攻撃する。
テキスト条件の入力経路を共同で破壊し、プロンプト共有された視覚的特徴のばらつきを最大化し、最終的なプレゼントゲートの概念スコアを抑え、領域の崩壊とクリーンマスクのディスラプションによって保持マスクの空間的妥当性を損なう。
SACo-Gold、LVIS、RefCOCO、PhraseCut、OpenImagesのデータセット全体で、UCDはマッチした評価プロトコルの下で、平均マスクAPを59.43から18.73に、平均cgF1を50.32から20.49に減らし、全てのベースラインを一貫して上回っている。
学習された摂動は、再最適化することなくSAM3.1やSAM3ビデオ推論に転送されるが、迅速なアンサンブル、軽量な頭部微細調整、時間的フィルタリングは、限られた回復をもたらす。
関連論文リスト
- Better, Stronger, Faster, and Broader: Structured All-Mask Prediction for MLLM-Based Segmentation [10.813064862132379]
STAMPは、強い参照と推論のセグメンテーションと、保存されたマルチモーダル能力と効率的な推論を組み合わせる。
明示的なIDとオプションボックスを持つターゲットリストを生成し、これらのIDを共有のマルチクラスマスク空間にバインドし、1つの非自己回帰パスですべてのターゲットを共同で予測する。
単一の統一されたチェックポイントは、STAMPの参照と推論能力を維持しながら、オープン語彙セマンティクス、インスタンス認識、リモートセンシングされた小さなターゲットセグメンテーションに拡張する。
論文 参考訳（メタデータ） (2026-08-03T18:42:11Z) - EOVSAM: Efficient Open-Vocabulary Segmentation with SAM 3 in One Pass [79.69317943751223]
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。
論文 参考訳（メタデータ） (2026-08-03T14:15:37Z) - GFR-SAM: Training-Free Referring Camouflaged Object Segmentation via Cross-Image Prompting [40.66340261994875]
Camouflaged Object Detection (Ref-COD)を参照するには、参照キューによってガイドされた隠されたターゲットをセグメント化する必要がある。
GFR-SAMは、堅牢な3段階トレーニングフリーフレームワークである。
まず,In-Context Exemplar-guided exemplarsを導入し,SAM3にクロスイメージ推論を施し,候補マスクを生成する。
次に、Regional-Global Contrastive Filteringモジュールは、DINOv3ベースのプロトタイプアライメントを通じて候補をランク付けする。
第3に、Geometric-Semantic Refinementモジュールはバウンディングボックスとテキストを同期させ、きめ細かい境界を回復し、インスタンスリコールを強化する。
論文 参考訳（メタデータ） (2026-07-13T15:55:45Z) - MaSC: A Masked Similarity Metric for Evaluating Concept-Driven Generation [2.151565482719323]
評価を主観的な概念保存と背景に基づくプロンプトに分解する尺度であるMASCを紹介する。
DreamBench++の人間の評価では、MASCは概念保存のためにKrippendorff alpha = 0.471を達成し、試験された全ての非LLMベースラインとGPT-4Vを上回り、GPT-4oに近づいた。
論文 参考訳（メタデータ） (2026-05-21T13:28:36Z) - StructSAM: Structure- and Spectrum-Preserving Token Merging for Segment Anything Models [57.674757786328236]
StructSAMは、Segment Anything Model(SAM)に適した解像度保存型マージアンマージフレームワークである
また,StructSAMはエンコーダFLOPsを25～30%削減し,mIoU/Diceに少量の低下を認めた。
また、スペクトルグラフ粗大化ビューでは、スコア誘導マージにより、ランダムまたはウィンドウ制限ベースラインと比較して、ラプラシアスペクトル歪みが有界となることを示す。
論文 参考訳（メタデータ） (2026-03-07T18:30:58Z) - Taming SAM3 in the Wild: A Concept Bank for Open-Vocabulary Segmentation [57.427604620940734]
TextscConceptBankは、視覚的証拠とプロンプトの整合性を取り戻すためのフレームワークだ。
我々のアプローチは、クラスワイドなビジュアルプロトタイプによるターゲットドメインの証拠をアンロックし、(textitii)マイニングの代表者はデータドリフト下でのアウトリーチを抑えることをサポートし、(textitiii)コンセプトドリフトの修正のために候補概念を融合させる。
論文 参考訳（メタデータ） (2026-02-06T02:59:11Z) - S$^3$POT: Contrast-Driven Face Occlusion Segmentation via Self-Supervised Prompt Learning [46.05577414378133]
S$3$POTは、自己教師付き空間的プロンプトによる顔生成を相乗化するためのコントラスト駆動型フレームワークである。
特に、S$3$POTは、参照生成、機能拡張、Prompt Selectionの3つのモジュールで構成されている。
専用のデータセットの実験では、S$3$POTの優れたパフォーマンスと各モジュールの有効性が示されている。
論文 参考訳（メタデータ） (2026-01-31T10:05:13Z) - Evaluating SAM2 for Video Semantic Segmentation [60.157605818225186]
Anything Model 2 (SAM2)は、画像とビデオの両方において、迅速な視覚オブジェクトのセグメンテーションのための強力な基盤モデルであることが証明されている。
本稿では, SAM2 から高密度ビデオセマンティック (VSS) への拡張について検討する。
我々の実験は、SAM2を利用することでVSSの全体的な性能が向上することを示唆している。
論文 参考訳（メタデータ） (2025-12-01T15:15:16Z) - From Generalization to Precision: Exploring SAM for Tool Segmentation in
Surgical Environments [7.01085327371458]
セグメンテーションモデルでは, 汚損レベルの高い画像が大幅に過大評価され, 性能が低下する。
我々は,最高の単一マスクを予測として選択した場合のSAMの結果を分析するために,接地型ツールマスクを用いている。
本研究では,様々な強みの合成汚損データを用いて,Endovis18とEndovis17の計器セグメンテーションデータセットを解析した。
論文 参考訳（メタデータ） (2024-02-28T01:33:49Z) - SAM Meets UAP: Attacking Segment Anything Model With Universal Adversarial Perturbation [61.732503554088524]
画像認識不能なユニバーサル適応摂動(UAP)を用いてSAM(Segment Anything Model)を攻撃できるかどうかを検討する。
自己教師付きコントラスト学習(CL)に基づくUAP生成手法を実現する新しい摂動中心フレームワークを提案する。
CLを用いたUAP生成手法の有効性を定量的および定性的に検証した。
論文 参考訳（メタデータ） (2023-10-19T02:49:24Z) - Improving Adversarial Robustness of Masked Autoencoders via Test-time
Frequency-domain Prompting [133.55037976429088]
BERTプリトレーニング(BEiT, MAE)を備えた視覚変換器の対向ロバスト性について検討する。
意外な観察は、MAEが他のBERT事前訓練法よりも敵の頑健さが著しく悪いことである。
我々は,MAEの対角的堅牢性を高めるための,シンプルで効果的な方法を提案する。
論文 参考訳（メタデータ） (2023-08-20T16:27:17Z)
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。