論文の概要: Topology-Aware Query Selection for Surgical Instrument Instance Segmentation
- arxiv url: http://arxiv.org/abs/2608.11607v1
- Date: Wed, 12 Aug 2026 03:29:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-13 19:07:54.442823
- Title: Topology-Aware Query Selection for Surgical Instrument Instance Segmentation
- Title（参考訳）: 手術機器インスタンスセグメンテーションのためのトポロジ対応クエリ選択
- Abstract要約: 最終クエリ選択は、独立した候補決定の集合ではなく、リレーショナルで可変性の問題である。
我々は、固定されたMask2Formerの空でない候補を完全なグラフとして表現したトポロジ対応クエリ選択を評価する。
評価された完全パスは、特定ネイティブインスタンス契約における固定されたMask2Former候補からの一貫性のあるインスタンスセット構築を改善したことを示す。
- 参考スコア（独自算出の注目度）: 8.051653068935332
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate foreground masks can still form an incorrect surgical-instrument instance set: duplicate, fragmented, merged, missed, or empty-frame predictions may preserve favorable pixel overlap while violating object identity and count. Final query selection is therefore a relational, variable-cardinality problem rather than a collection of independent candidate decisions. We evaluate topology-aware query selection, which represents the nonempty candidates of a fixed Mask2Former as a complete graph, learns relational candidate and pair representations, predicts set cardinality, and solves an exact structured subset problem. The formal comparison is the complete relational path versus a node-feature-matched path; it evaluates the combined effect of pairwise geometry, message passing, and the additional relational-path capacity, not an isolated component. On the sealed 22-case source test, all three discovery seeds supported instance-set performance improvement with segmentation fidelity and predefined technical-safety preservation: instance F1 increased by 0.0504--0.0612 and positive-frame set-failure rate decreased by 0.0848--0.1060. Direct ROBUST-MIPS transfer reproduced the complete result in all three seeds. Endoscapes supported only one of three seeds and therefore did not establish stable direct transfer. Taken together, the results support a bounded conclusion: the evaluated complete path improved coherent instance-set construction from fixed Mask2Former candidates in specified native-instance contracts, while stable cross-domain transfer and component-specific effects remain unestablished.
- Abstract（参考訳）: 重複、断片化、マージ、欠落、または空のフレーム予測は、オブジェクトのアイデンティティとカウントを侵害しながら、良好なピクセルオーバーラップを維持することができる。
したがって、最終的なクエリ選択は、独立した候補決定の集合ではなく、リレーショナルで可変性の問題である。
固定されたMask2Formerの空でない候補を完全なグラフとして評価し、関係候補とペア表現を学習し、集合の濃度を予測し、正確な構造化されたサブセット問題を解く。
形式的比較は、完全リレーショナルパスとノードにマッチしたパスであり、一対の幾何学、メッセージパッシング、および孤立成分ではなく追加リレーショナルパスキャパシティの複合効果を評価する。
封止された22ケースソーステストでは、3つの発見種子が、セグメンテーションの忠実さと予め定義された技術的安全の維持によるインスタンスセット性能の向上を支持した: 例えば、F1は0.0504-0.0612、正のフレームのセットフェールレートは0.00848-0.1060に減少した。
直接ROBUST-MIPSトランスファーは3種すべてで完全な結果を再現した。
内臓は3つの種子のうち1つしか支持せず、安定的な直接移動は確立しなかった。
評価された完全パスは、特定のネイティブインスタンス契約における固定されたMask2Former候補からのコヒーレントなインスタンスセット構築を改善し、安定したクロスドメイン転送とコンポーネント固有の効果は確立されていない。
関連論文リスト
- SeGDeP: Semantic- and Geometric-Aware Decoupled Prompts for Reasoning Segmentation [51.46828526392219]
推論セグメンテーションは暗黙の言語学的結論を正確なマスクに変換する。
既存のMLLMセグメンタインタフェースでは、特別なトリガーを使用するか、両方の信号を1つのコンテキストに圧縮する。
明示的なWhat-whereインターフェースであるSeGDePを提示する。
論文 参考訳（メタデータ） (2026-09-08T15:11:32Z) - SAM3-LoRA: Parameter-Efficient Adaptation of a Concept-Promptable Foundation Model for Multi-Class Structural Defect Segmentation [0.0]
本研究は,多層構造欠陥セグメンテーションにおけるローランド適応(LoRA)をSAM3に適用する。
本稿では,COCOスタイルのクラスラベルインスタンスセグメンテーションから直接,概念実証可能なモデルをトレーニングする監督手順について述べる。
論文 参考訳（メタデータ） (2026-08-31T23:19:59Z) - A Pre-Specified Construction-Confirmation Test of Operation-Level Causal Transfer Across Finite Isomorphic Symbolic Domains [0.0]
2つの操作間の隠れ状態の違いが、ソース入力毎に別々に推定されているかどうかを問う。
この設計は、入力固有の介入を、不正操作、ノルムマッチングランダム、ノーオップ制御と比較し、個別に分離された確認分割から候補構築を分離する。
論文 参考訳（メタデータ） (2026-08-16T15:37:26Z) - SEER: A Self-Grounded Evidence Interface for Controlled Spatial Relation Classification [71.9783246097687]
SEERは、ペアローカライゼーション中の候補関係を隠蔽し、明示的な主観的/対象的役割を持つクエリ固有ビューを構築し、補完的な証拠として完全なイメージとスパースボックス幾何学を保持する。
正確な逆サポートを持つ関係選択プロトコルでは、オプションリファインメントがエンティティロールを交換し、正確に1つの視覚状態が対応する逆関係に従う場合にのみ前方決定を変更する。
変更されていないプロトコルは、3つのモデルにまたがる2,434個のフィルター付きEmbSpatialペア関係質問に対して +4.35 から +11.79 を得る。
論文 参考訳（メタデータ） (2026-08-04T13:16:15Z) - The Resolution of Causal Heterogeneity [5.222979968110479]
因果部分群分析はしばしば、その数がよく定義された推定値であるかのように、治療効果の不均一性を要約する少数の群を報告する。
我々はこれを新しい人口推定法、解像度プロファイル、因果的特徴法の機能に置き換える。
推論は、1つの構造化モーメントプロセスのために、1つのクロスフィットベイズ・ブートストラップ後部を中心に構成される。
論文 参考訳（メタデータ） (2026-07-19T14:56:06Z) - Byzantine Accountability Without Consensus: Strong Eventual Consistency for Non-Associative, Stochastic, Robust Aggregation [0.0]
ACFAは、署名されたコントリビューションのコンテンツ適応OR-Setと、自己認証等式証明の成長のみのセットを複製する。
プロトタイプ(10ノード、3ビザンティン)は16/16のファルシフィケーションチェックをパスします。
論文 参考訳（メタデータ） (2026-07-11T13:23:06Z) - Identifiability of Relational Queries in Multi-View Pretraining [0.500301731167245]
グローバルに一貫した2つの世界は、すべての共有属性に同意するが、クエリ応答には同意しない。
このあいまいさは構造的です -- データボリュームではなく、インターフェース設計の特性です。
インタフェース法則に基づき,データ統合のためのクエリ識別性を定式化する。
論文 参考訳（メタデータ） (2026-07-06T07:18:00Z) - Bayesian Wind Tunnels for Model Selection [0.4779196219827507]
変圧器は固定仮説クラス内で正確にベイズフィルタを行うことができることを示す。
離散統計学が算術を必要とする場合、モデル選択は整数トークンで成功する。
定常性制御は、安定なセマンティクスであり、整数のアイデンティティではなく回路のコンパイルを可能にする。
論文 参考訳（メタデータ） (2026-07-01T04:05:08Z) - RobustModelMaker: Coupling Bootstrap Stability Selection with Leakage-Safe Nested Cross-Validation for Scientific Machine Learning [2.0052993723676895]
RobustModelMakerは、厳密なネストされたクロスバリデーションで安定性の選択をブートストラップするPythonフレームワークである。
安定性テストされた機能サブセットとリークセーフなパフォーマンス見積を生成する。
バイナリ分類、マルチクラス分類、レグレッションの9つのアルゴリズムをサポートする。
論文 参考訳（メタデータ） (2026-06-01T02:11:23Z) - SEED: Targeted Data Selection by Weighted Independent Set [76.68391670109433]
我々はSEEDと呼ばれる堅牢でスケーラブルなデータ選択パイプラインを開発した。
SEEDは、命令チューニング、視覚的命令チューニング、セマンティックセグメンテーションにおける最先端の手法を一貫して上回っている。
論文 参考訳（メタデータ） (2026-05-15T07:26:54Z) - SliceGraph: Mapping Process Isomers in Multi-Run Chain-of-Thought Reasoning [60.650808962786364]
我々は、CoTスライス間の疎活性化キージャカード類似性に対して、相互kNNによって構築された問題モデル-セルグラフであるSliceGraphを提案する。
同じ正規化された回答を共有する正しいCoTは、複数のプロセスファミリに分割されていることを示す。
また、プロセスファミリは、一致したnull制御の下で異なる遷移カーネルで同じアトラスをナビゲートすることを示す。
論文 参考訳（メタデータ） (2026-05-14T09:37:26Z) - Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。
Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。
SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
論文 参考訳（メタデータ） (2025-09-25T14:05:55Z) - Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析
本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。
我々の手法は、最先端の手法をクリアマージンで上回る。
論文 参考訳（メタデータ） (2023-07-16T16:32:14Z)
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。