論文の概要: SAM3Dual: A 3rd Place Solution to the MOSEv2 Track, 8th LSVOS Challenge

• arxiv url: http://arxiv.org/abs/2608.22193v1
• Date: Sun, 23 Aug 2026 03:08:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 18:24:36.951556
• Title: SAM3Dual: A 3rd Place Solution to the MOSEv2 Track, 8th LSVOS Challenge
• Title（参考訳）: SAM3Dual:MOSEv2トラックの第3位、第8位 LSVOSチャレンジ
• Abstract要約: 第8回大規模ビデオオブジェクト(LSVOS)チャレンジのMOSEv2トラックの3位であるSAM3DualをECCV 2026で紹介する。 SAM3Dualは、事前訓練されたSAM 3のトレーニングなし推論拡張で、時間記憶を最近の観測のための短期分枝と、間隔サンプリングされた歴史的表現のための長期分枝に明示的に分離する。 完全なシステムは公式のJ&Fスコア64.37を達成し、MOSEv2トラックで3位となった。
• 参考スコア（独自算出の注目度）: 2.646491285768101
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present SAM3Dual, our third-place solution to the MOSEv2 track of the 8th Large-scale Video Object Segmentation (LSVOS) Challenge at ECCV 2026. SAM3Dual is a training-free inference extension of pretrained SAM 3 that explicitly separates temporal memory into a short-term branch for recent observations and a long-term branch for interval-sampled historical representations. The two memory responses are combined using a deterministic sequence-relative fusion schedule and conservatively modulated by the previous-frame object confidence. All pretrained SAM 3 parameters remain frozen, requiring no task-specific training, fine-tuning, test-time training, or online parameter optimization. The complete system achieved an official J&F score of 64.37 and ranked third in the MOSEv2 track. This result highlights the potential of reorganizing temporal memory entirely at inference time to obtain competitive long-term VOS performance while preserving the pretrained model.
• Abstract（参考訳）: 第8回大規模ビデオオブジェクトセグメンテーション(LSVOS)チャレンジのMOSEv2トラックの3位となるSAM3DualをECCV 2026で紹介する。 SAM3Dualは、事前訓練されたSAM 3のトレーニングなし推論拡張で、時間記憶を最近の観測のための短期分枝と、間隔サンプリングされた歴史的表現のための長期分枝に明示的に分離する。 2つのメモリ応答は、決定論的シーケンス相対融合スケジュールを用いて結合され、前フレームオブジェクトの信頼度によって保守的に変調される。 事前訓練されたSAM 3パラメータはすべて凍結状態であり、タスク固有のトレーニング、微調整、テストタイムトレーニング、オンラインパラメータ最適化は不要である。 完全なシステムは公式のJ&Fスコア64.37を達成し、MOSEv2トラックで3位となった。 この結果は、事前学習モデルを維持しながら、時間記憶を完全に推論時に再構成し、競争力のある長期VOS性能を得る可能性を強調している。

関連論文リスト

• Competitive Memory Readout for Robust Video Object Segmentation: 2nd Place Technical Report for the MOSEv2 Track of the 8th LSVOS Challenge [51.15679610275694]
  我々は,第8回大規模ビデオオブジェクト(LSVOS)チャレンジをECCV 2026で開催する。 この課題は、複雑な時間的ダイナミクスの下で、ロバストなビデオオブジェクトセグメンテーションを評価する。 本手法はSAM3上に構築され,メモリの読み出しに重点を置いている。
  論文  参考訳（メタデータ） (2026-08-22T18:09:51Z)
• SAM2Dual: Training-Free, Dual Memory for Long-Term Video Object Segmentation [2.3605238326156806]
  モデル重みを更新することなく長ビデオのロバスト性を改善する訓練不要でプラグアンドプレイの推論時間拡張であるSAM2Dualを提案する。 SAM2Dualは、(i)局所的適応のために(i)短期記憶を明示的に分離し、(ii)グローバルアイデンティティーキューを保存するためにインターバルベースサンプリングによって構築された長期記憶を明示的に分離するデュアルメモリ設計を導入している。 さらに,テキスト・アウェア・メモリ (TAM) を提案する。これは初期フレームからコンパクトな単語レベルのキューを抽出し,テキスト埋め込みを用いてセマンティック・コントリビューションに基づいたメモリコントリビューションの軽量化を行う。
  論文  参考訳（メタデータ） (2026-08-19T07:40:39Z)
• Re-Prompting SAM 3 via Object Retrieval: 3rd of the 5th PVUW MOSE Track [51.15679610275694]
  目標の消失と再出現下でのロバスト性を改善するための自動再飛散フレームワークを開発した。 我々のソリューションはテストセットで51.17%のJ&Fを達成し、MOSEv2トラックで3位となった。
  論文  参考訳（メタデータ） (2026-03-24T23:45:15Z)
• EfficientSAM3: Progressive Hierarchical Distillation for Video Concept Segmentation from SAM1, 2, and 3 [1.0243211938789691]
  プログレッシブ階層蒸留(PHD)に基づく効率的なモデル群であるEfficientSAM3を提案する。 PHDは、SA-1B上でのプロンプト・イン・ザ・ループ・トレーニングを通じて、画像の特徴を整列する; (2) テンポラルメモリ蒸留は、SA-V上で訓練されたコンパクトなPerceiverベースのモジュールで高密度メモリを置き換える。 人気の高いVOSデータセットをベンチマークし、さまざまなリライトされた作業と比較し、強力なパフォーマンスと効率のトレードオフを実現しています。
  論文  参考訳（メタデータ） (2025-11-19T19:42:22Z)
• The 1st Solution for MOSEv2 Challenge 2025: Long-term and Concept-aware Video Segmentation via SeC [59.53390730730018]
  ソリューションはテストセットで39.89%のJFスコアを獲得し、LSVOSチャレンジのMOSEv2トラックで1位となった。
  論文  参考訳（メタデータ） (2025-09-23T15:58:13Z)
• Pseudo-Label Enhanced Cascaded Framework: 2nd Technical Report for LSVOS 2025 VOS Track [11.068687286561177]
  複雑なビデオオブジェクト(VOS)は、フレーム間でオブジェクトを正確にセグメンテーションする上で重要な課題である。 SAM2 フレームワークに基づく LSVOS 2025 VOS Track のソリューションを提案する。 私たちはMOSEテストセットで0.8616のJ&Fスコア(SAM2Longベースラインで+1.4ポイント)を獲得し、LSVOS 2025 VOSトラックで2位を確保しました。
  論文  参考訳（メタデータ） (2025-09-18T12:23:51Z)
• HiM2SAM: Enhancing SAM2 with Hierarchical Motion Estimation and Memory Optimization towards Long-term Tracking [48.52769927193921]
  本稿では,映像オブジェクト追跡タスクにおけるSAM2フレームワークの拡張について述べる。 本稿では,線形線形予測と選択的な非線形補正を組み合わせた階層的動き推定手法を提案し,学習を必要とせずに追従精度を向上させる。
  論文  参考訳（メタデータ） (2025-07-10T10:05:11Z)
• 3DLLM-Mem: Long-Term Spatial-Temporal Memory for Embodied 3D Large Language Model [83.70640091897947]
  人間は、時間的・空間的な体験にまたがって長期記憶を活用することで、複雑なタスクを実行するのに優れる。 現在のLarge Language Models (LLM) は、動的でマルチルームな3D環境において、効果的に計画し、振る舞うのに苦労している。 本稿では,空間的時間的推論と動作を具現化した新しい動的メモリ管理と融合モデルである3DLLM-Memを提案する。
  論文  参考訳（メタデータ） (2025-05-28T17:59:13Z)
• Learning Monocular Visual Odometry via Self-Supervised Long-Term Modeling [106.15327903038705]
  単眼視覚計測(VO)はフレーム・ツー・フレームのポーズ推定時にエラーの蓄積に苦しむ。 本稿では,より長いシーケンスの一貫性を考慮したVOの自己教師付き学習手法を提案する。 我々は、幾何VOのループ閉鎖モジュールを模倣したサイクル整合損失を含む、純粋に自己監督的な損失でネットワークを訓練する。
  論文  参考訳（メタデータ） (2020-07-21T17:59:01Z)

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。