論文の概要: SlideBank: A Persistent Hierarchical Evidence Bank for Consistent Whole-Slide Reasoning

• arxiv url: http://arxiv.org/abs/2609.00342v1
• Date: Mon, 31 Aug 2026 20:37:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.06786
• Title: SlideBank: A Persistent Hierarchical Evidence Bank for Consistent Whole-Slide Reasoning
• Title（参考訳）: SlideBank: 一貫性のある全スライド推論のための永続的階層的エビデンス銀行
• Abstract要約: 全体スライディング画像(WSI)は、スパース、ヘテロジニアス、分散形態学のため、視覚言語推論に難題である。 私たちはSlideBankを紹介します。SlideBankは、トレーニング不要のフレームワークで、各WSIを永続的で概念的で、空間的に根拠づけられたエビデンスバンクとして表現します。
• 参考スコア（独自算出の注目度）: 27.522808822562848
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Whole-slide images (WSIs) are challenging for vision-language reasoning because diagnostically relevant morphology is sparse, heterogeneous, and distributed across gigapixel-scale images and multiple spatial resolutions. Existing WSI models and pathology agents can aggregate slide features or actively acquire evidence, but the information retained after exploration is often difficult to access semantically while preserving its connection to the original visual evidence. We introduce SlideBank, a training-free framework that represents each WSI as a persistent, concept-indexed, and spatially grounded evidence bank. SlideBank performs question-independent coarse-to-fine exploration to identify informative regions and multi-scale views, converts them into explicit morphological observations, and grounds pathology signals to their supporting patches and WSI coordinates. At inference time, questions are routed to relevant signals and evidence scales, and the linked global, regional, and patch evidence is integrated through confidence-based cross-level consensus. Experiments on WSI-VQA and SlideBench-BCNB show that with Patho-R1, SlideBank reaches 52.77% on WSI-VQA and with Quilt-LLaVA, it reaches 50.92% average accuracy on SlideBench-BCNB, while structured signal-guided retrieval consistently outperforms random evidence sampling. Reusing the same bank across repeated queries further achieves over 99% rephrasing consistency and substantially reduces amortized inference cost through persistent evidence reuse.
• Abstract（参考訳）: ワイルスライド画像(WSI)は、診断に関係する形態が細く、異質であり、ギガピクセルスケールの画像と複数の空間分解能に分散しているため、視覚言語推論において困難である。 既存のWSIモデルや病理学エージェントは、スライドの特徴を集約したり、積極的に証拠を取得できるが、探索後に保持される情報は、元の視覚的証拠とのつながりを保ちながら意味的にアクセスすることがしばしば困難である。 私たちはSlideBankを紹介します。SlideBankは、トレーニング不要のフレームワークで、各WSIを永続的で概念的で、空間的に根拠づけられたエビデンスバンクとして表現します。 SlideBankは、質問非依存の粗大な探索を行い、情報領域とマルチスケールビューを特定し、それらを明示的な形態学的観察に変換し、病理信号を支援パッチとWSI座標にグラウンドする。 推測時には、質問は関連する信号や証拠尺度にルーティングされ、グローバル、地域、パッチの証拠は信頼に基づくクロスレベルコンセンサスを通じて統合される。 WSI-VQAとSlideBench-BCNBの実験では、Patho-R1ではSlideBankが52.77%、Quilt-LLaVAではSlideBench-BCNBでは50.92%、構造化信号誘導検索ではランダムエビデンスを一貫して上回っている。 繰り返しクエリをまたいで同じバンクを再利用することで、一貫性が99%以上向上し、永続的なエビデンス再利用を通じて、償却推論コストを大幅に削減する。

関連論文リスト

• Mr.LHDR: A Benchmark for Multimodal Real-World Long-Horizon Deep Research Agents [72.19038675107662]
  ミスターL(Mr. L)は、検証可能な証拠の長い、既約の連鎖について、現実世界の深い研究を評価するためのベンチマークである。 各質問は隠されたノード関係グラフから構築され、平均12.1の中間結論を必要とする。
  論文  参考訳（メタデータ） (2026-09-10T09:47:44Z)
• SA-GEM: Scale-Adaptive and Geospatial Evidence-Modulated Token Pruning for Efficient Remote Sensing Large Vision-Language Models [52.99440326540357]
  RS-LVLMは、地球観測画像の高度なマルチモーダル理解を持っているが、その性能は高分解能処理によって制限されている。 既存のトークンプルーニング手法は、スケールに依存しない解決ポリシーと分離された重要手段に依存している。 本稿では,タスク適応型トークンの粒度割り当てを総合的な地理空間的トークン重要度変調と統合するプラグイン・アンド・プレイフレームワークであるSA-GEMについて述べる。
  論文  参考訳（メタデータ） (2026-08-15T06:50:11Z)
• Beyond Relevance: Bayesian Evidence Acquisition for Agentic Whole-Slide Image Reasoning [72.86819994769634]
  全体スライド画像推論(WSI)では、診断問題に答える前に、エージェントが視覚的証拠を逐次取得する必要がある。 本稿では,WSI推論をベイズ証拠取得問題として再検討する,プラグイン・アンド・プレイのエージェント・フレームワークBEACONを提案する。
  論文  参考訳（メタデータ） (2026-08-06T08:40:57Z)
• Registration-Grounded Spectral Fusion for Unregistered WLI/NBI Endoscopic Lesion Segmentation [87.5409605461001]
  ホワイトライト・イメージング (WLI) と狭帯域・イメージング (NBI) は内視鏡的病変を補完する画像を提供する。 彼らの対の観測はしばしば、視点の変化、組織変形、シーケンシャルハンドヘルド取得によって空間的に不一致である。 We propose a reliability-aware complex-domain fusion framework for paired-but-unregistered WLI/NBI lesion segmentation。
  論文  参考訳（メタデータ） (2026-07-29T02:09:28Z)
• HiEviDR-Bench: A Benchmark for Hierarchical Evidence Aggregation in Deep Research [52.87128503345243]
  我々は,Deep Researchにおける階層的エビデンス・アグリゲーションを評価するためのベンチマークであるHiEviDR-Benchを紹介する。 HiEviDR-Benchは、エビデンスの選択、クロスソースリンク、アグリゲーションをキャプチャする明示的なエビデンスグラフを持つ各インスタンスを表す。 報告品質,エビデンストレーサビリティ,引用精度,クレーム検証,回答正当性という5次元のトレーサビリティ指向評価フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-07-27T23:50:46Z)
• PathAgentBench: Benchmarking Evidence-Seeking Vision-Language Models on Whole-Slide Pathology Image [16.376573433449458]
  全スライディング画像(WSI)の診断には、診断に関係のある領域を特定し、倍率で調べ、マルチスケールのエビデンスを統合する必要がある。 既存のほとんどの病理ベンチマークは、プリクロップされたパッチや抽出済みのスライド機能に関するモデルを評価し、ギガピクセルのWSIから直接証拠を取得する能力は、ほとんどテストされていない。 PathAgentBenchは,視覚言語モデル(VLM)を4つの補完機能で評価するためのベンチマークである。
  論文  参考訳（メタデータ） (2026-07-21T16:33:44Z)
• Auditing Data Leakage in Whole-Slide Image Multimodal Benchmarks [15.085471360062497]
  最近の視覚言語モデル(VLM)は、全スライディング画像(WSI)視覚質問応答(VQA)ベンチマークでゼロショット性能を報告している。 われわれはこれらの主張を監査し、2つの階層レベルでデータ漏洩によって根本から侵害されていることを発見した。 主要な公共リソースにわたる標準スライド、ケース、TSS識別子をトレースすることにより、TGA由来のベンチマークでケースレベルの列車試験のオーバーラップを92.3100%記録する。
  論文  参考訳（メタデータ） (2026-07-14T02:28:29Z)
• Stateful Evidence-Driven Retrieval-Augmented Generation with Iterative Reasoning [7.701766930531068]
  Stateful Evidence-Driven RAG with Iterative Reasoningは、質問応答をプログレッシブなエビデンス蓄積プロセスとしてモデル化するフレームワークである。 このフレームワークは、ギャップと競合を特定するためにエビデンス駆動の欠陥分析を行い、クエリを反復的に洗練し、その後の検索をガイドする。 複数の質問応答ベンチマークの実験では、標準的なRAGとマルチステップベースラインよりも一貫した改善が示されている。
  論文  参考訳（メタデータ） (2026-03-25T06:57:49Z)
• CVT-Bench: Counterfactual Viewpoint Transformations Reveal Unstable Spatial Representations in Multimodal LLMs [6.486426462514857]
  マルチモーダル大言語モデル(MLLM)は,単一視点空間推論タスクにおいて高い性能を達成する。 逐次変換に対する視点の整合性、360サイクルの整合性、およびリレーショナル安定性を測定する。 以上の結果から,単視点空間精度は空間表現の頑健さを過大評価する可能性が示唆された。
  論文  参考訳（メタデータ） (2026-03-22T08:13:28Z)
• TransFIRA: Transfer Learning for Face Image Recognizability Assessment [73.61309363885552]
  TransFIRAは軽量でアノテーションのないフレームワークで、埋め込みスペースで直接認識できる。 顔以外の新しい拡張には、エンコーダで座屈した説明可能性があり、これは、劣化と被写体固有の要因が認識可能性にどのように影響するかを示す。 実験では、顔に対する最先端の結果、身体認識に対する強い堅牢性、およびデータセット間のシフトの下で確認された。
  論文  参考訳（メタデータ） (2025-10-07T18:16:21Z)
• SiBBlInGS: Similarity-driven Building-Block Inference using Graphs across States [9.827587981833053]
  国間グラフを用いた類似性駆動型ビルディングブロック推論フレームワーク(SiBBlInGS)を提案する。 SiBBlInGSは、グラフベースの辞書学習アプローチを提供し、その時間的トレースとともにスパースBBを発見する。 我々は、SiBBlInGSの複雑な現象に関する洞察を明らかにする能力と、ノイズや欠落したサンプルに対する頑健さを実証する。
  論文  参考訳（メタデータ） (2023-06-07T22:41:04Z)
• Gait Recognition in the Wild: A Large-scale Benchmark and NAS-based Baseline [95.88825497452716]
  歩行ベンチマークにより、研究コミュニティは高性能歩行認識システムの訓練と評価を行うことができる。 GREWは、野生における歩行認識のための最初の大規模データセットである。 SPOSGaitはNASベースの最初の歩行認識モデルである。
  論文  参考訳（メタデータ） (2022-05-05T14:57:39Z)

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。