論文の概要: Prompt-Conditioned Channel Attention for Hierarchical Feature Modulation toward Anatomy-Agnostic Segmentation

• arxiv url: http://arxiv.org/abs/2608.20229v1
• Date: Thu, 20 Aug 2026 16:24:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-21 20:28:51.634598
• Title: Prompt-Conditioned Channel Attention for Hierarchical Feature Modulation toward Anatomy-Agnostic Segmentation
• Title（参考訳）: 解剖学的・不可知的セグメンテーションに向けた階層的特徴変調のためのプロンプト型チャネルアテンション
• Abstract要約: 本稿では,エンコーダ・デコーダネットワーク内のセマンティックプロンプトの深い階層的な統合を可能にする新しい変調機構であるPrompt-Conditioned Channel Attention (PCCA)を紹介する。 PCCAは、プールを介してコンパクトなチャネル記述子を抽出し、それらを共有空間に投影し、ゲート励起機構を介して融合し、プロンプト対応のチャネル注意重みを計算する。 これらの重みは、複数のネットワークステージにまたがる特徴応答を適応的に再調整し、プロンプト条件付き、意味的にリッチな階層表現を可能にする。
• 参考スコア（独自算出の注目度）: 3.205671859719557
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Anatomically plausible segmentation remains challenging because of low contrast, ambiguous boundaries, and modality-specific artifacts. Interactive segmentation has emerged as a promising strategy to guide feature extraction and improve localization, particularly in structurally ambiguous regions. However, existing methods integrate prompts through late-stage fusion and lack explicit mechanisms for prompt-driven channel-wise modulation across hierarchical feature representations, limiting their ability to capture deeper contextual and modality-specific variations. To address these limitations, we introduce Prompt-Conditioned Channel Attention (PCCA), a novel modulation mechanism that enables deep, hierarchical integration of semantic prompts within encoder-decoder networks. PCCA extracts compact channel descriptors via pooling, projects them into a shared space, and fuses them through a gated excitation mechanism to compute prompt-aware channel attention weights. These weights adaptively recalibrate feature responses across multiple network stages, enabling prompt-conditioned, semantically enriched hierarchical representations. Building on this, we propose PROMISE-Net, instantiated in two network variants: a convolutional model (PROMISE-CNN) and a transformer-based model (PROMISE-Txformer). Across the ISIC-Lesion, Kvasir-Polyp, CAMUS-Cardiac, and Kvasir-Instrument benchmarks, integrating PCCA into PROMISE-CNN yielded relative IoU gains of 10.4%, 8.7%, 0.8%, and 3.4%, respectively, over the baseline U-Net, while PROMISE-Txformer achieved corresponding gains of 7.6%, 23.0%, 2.1%, and 1.1%, respectively, over the baseline UNETR. These results show consistent improvements across architectures, imaging modalities, and anatomical targets, establishing PCCA and PROMISE-Net as a scalable, generalizable framework for prompt-aware hierarchical feature modulation in medical image segmentation.
• Abstract（参考訳）: 解剖学的に妥当なセグメンテーションは、低コントラスト、曖昧な境界、モダリティ固有のアーティファクトのため、依然として困難である。 インタラクティブセグメンテーションは、特に構造的曖昧な地域で、特徴抽出をガイドし、ローカライゼーションを改善するための有望な戦略として登場した。 しかし、既存の手法は、後期融合を通じてプロンプトを統合し、階層的特徴表現を横断するプロンプト駆動のチャネルワイド変調の明確なメカニズムを欠き、より深い文脈とモダリティ固有のバリエーションを捉える能力を制限する。 これらの制約に対処するために,エンコーダ・デコーダネットワーク内のセマンティックプロンプトの深い階層的な統合を可能にする新しい変調機構であるPrompt-Conditioned Channel Attention (PCCA)を導入する。 PCCAは、プールを介してコンパクトなチャネル記述子を抽出し、それらを共有空間に投影し、ゲート励起機構を介して融合し、プロンプト対応のチャネル注意重みを計算する。 これらの重みは、複数のネットワークステージにまたがる特徴応答を適応的に再調整し、プロンプト条件付き、意味的にリッチな階層表現を可能にする。 そこで我々は,畳み込みモデル (PROMISE-CNN) とトランスフォーマモデル (PROMISE-Txformer) の2つのネットワークモデルでインスタンス化した ProMISE-Net を提案する。 ISIC-Lesion、Kvasir-Polyp、CAMUS-Cardiac、Kvasir-Instrumentのベンチマークでは、PCCAをPropMISE-CNNに統合すると、ベースラインのU-Net上でそれぞれ10.4%、8.7%、0.8%、および3.4%の相対的なIoUゲインが得られ、PropMISE-TxformerはベースラインのU-Net上でそれぞれ7.6%、23.0%、2.1%、および1.1%のアップを達成した。 これらの結果から,PCCA と PROMISE-Net を医療画像セグメンテーションにおける即時的階層的特徴変調のためのスケーラブルで汎用的なフレームワークとして確立した。

関連論文リスト

• Accelerating Unified Multimodal Models with Core-Expansion Routing and Unified Computation Scheduling [61.28599393707943]
  統一マルチモーダルモデルは、理解と生成を共同でサポートするが、トークン、レイヤ、生成タイムステップ間でかなりの冗長な計算を行う。 本稿では,タスク共有型コアスコアラと進行条件付き生成拡張を提案し,生成分解とクロスタスクコアアライメントを最適化した。 2つの代表的UMMアーキテクチャの実験では、両タスク間で一貫した品質改善が示され、98.03%の高密度な理解性能を維持し、エンドツーエンドの推論速度は1.93times$である。
  論文  参考訳（メタデータ） (2026-08-29T14:27:55Z)
• Statistical Channel Fingerprint Construction for Massive MIMO: A Unified Tensor Learning Framework [51.39651336043647]
  チャネル指紋(CF)は、IMO通信システムにおけるチャネル状態情報の取得を容易にする重要な手段であると考えられている。 統計的CSI(sCSI)を各電位で保存する新しいタイプのCFを提案し,これを統計的CF(sCF)と呼ぶ。
  論文  参考訳（メタデータ） (2026-04-30T08:28:45Z)
• GCA-ResUNet: Medical Image Segmentation Using Grouped Coordinate Attention [3.6679095759171645]
  GCA-ResUNetは、軽量でプラグ&プレイのGrouped Coordinate Attention (GCA)モジュールを備えた効率的な医用画像セグメンテーションフレームワークである。 Synapse と ACDC の2つの広く使われているベンチマークによる大規模な実験では、それぞれ GCA-ResUNet が 86.11% と 92.64% のDice のスコアを達成している。
  論文  参考訳（メタデータ） (2025-12-30T05:13:20Z)
• Decoding with Structured Awareness: Integrating Directional, Frequency-Spatial, and Structural Attention for Medical Image Segmentation [6.82200201381917]
  本稿では,3つのコアモジュールからなる医用画像セグメンテーション用に設計された新しいデコーダフレームワークを提案する。 まず,アダプティブクロスフュージョン・アテンション(ACFA)モジュールは,チャネル機能強化と空間的アテンション機構を統合し,キー領域や構造方向に対する応答性を高める。 第2に、三重特徴融合注意(TFFA)モジュールは、空間、フーリエ、ウェーブレットの各領域の特徴を融合させ、エッジやテクスチャなどのローカル情報を保存しながら、結合周波数空間表現を実現する。 第3に、マルチスケールコンテキストと構造sを利用して、エンコーダとデコーダのスキップ接続を最適化する構造対応マルチスケールマスキングモジュール(SMMM)
  論文  参考訳（メタデータ） (2025-12-05T07:39:14Z)
• GroupKAN: Rethinking Nonlinearity with Grouped Spline-based KAN Modeling for Efficient Medical Image Segmentation [7.1160000610859635]
  GroupKANは、2つの新しい構造化機能モジュールを組み込んだ軽量セグメンテーションネットワークである。 グループカンは平均79.80%のIoUを達成し、U-KANを1.1%上回り、パラメータの47.6%しか必要としない。
  論文  参考訳（メタデータ） (2025-11-07T18:39:09Z)
• UniMRSeg: Unified Modality-Relax Segmentation via Hierarchical Self-Supervised Compensation [104.59740403500132]
  マルチモーダルイメージセグメンテーションは、不完全/破損したモダリティの劣化による実際のデプロイメント課題に直面している。 階層型自己教師型補償(HSSC)による統一Modality-relaxセグメンテーションネットワーク(UniMRSeg)を提案する。 我々のアプローチは、入力レベル、特徴レベル、出力レベルをまたいだ完全なモダリティと不完全なモダリティの間の表現ギャップを階層的に橋渡しします。
  論文  参考訳（メタデータ） (2025-09-19T17:29:25Z)
• SCRNet: Spatial-Channel Regulation Network for Medical Ultrasound Image Segmentation [1.4930126157970809]
  CNNベースのメソッドは長距離依存を無視する傾向があり、Transformerベースのメソッドはローカルなコンテキスト情報を見落としてしまう。 本稿では,前層から2つの入力特徴を処理するために設計された新しい特徴集約モジュール(FAM)を提案する。 この戦略により、モジュールは長距離依存とローカルコンテキスト情報の両方に同時に集中することができます。
  論文  参考訳（メタデータ） (2025-08-19T15:02:27Z)
• Unleashing Network Potentials for Semantic Scene Completion [50.95486458217653]
  本稿では,新しいSSCフレームワーク - Adrial Modality Modulation Network (AMMNet)を提案する。 AMMNetは、モダリティ間の勾配流の相互依存性を可能にするクロスモーダル変調と、動的勾配競争を利用するカスタマイズされた逆トレーニングスキームの2つのコアモジュールを導入している。 AMMNetは最先端のSSC法よりも大きなマージンで優れていた。
  論文  参考訳（メタデータ） (2024-03-12T11:48:49Z)
• Object Segmentation by Mining Cross-Modal Semantics [68.88086621181628]
  マルチモーダル特徴の融合と復号を導くために,クロスモーダル・セマンティックスをマイニングする手法を提案する。 具体的には,(1)全周減衰核融合(AF),(2)粗大デコーダ(CFD),(3)多層自己超越からなる新しいネットワークXMSNetを提案する。
  論文  参考訳（メタデータ） (2023-05-17T14:30:11Z)
• Squeezeformer: An Efficient Transformer for Automatic Speech Recognition [99.349598600887]
  Conformerは、そのハイブリッドアテンション・コンボリューションアーキテクチャに基づいて、様々な下流音声タスクの事実上のバックボーンモデルである。 Squeezeformerモデルを提案する。これは、同じトレーニングスキームの下で、最先端のASRモデルよりも一貫して優れている。
  論文  参考訳（メタデータ） (2022-06-02T06:06:29Z)
• DAIS: Automatic Channel Pruning via Differentiable Annealing Indicator Search [55.164053971213576]
  畳み込みニューラルネットワークは,計算オーバーヘッドが大きいにもかかわらず,コンピュータビジョンタスクの実行において大きな成功を収めている。 構造的(チャネル)プルーニングは、通常、ネットワーク構造を保ちながらモデルの冗長性を低減するために適用される。 既存の構造化プルーニング法では、手作りのルールが必要であり、これは大きなプルーニング空間に繋がる可能性がある。
  論文  参考訳（メタデータ） (2020-11-04T07:43:01Z)

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。