論文の概要: SAM3-LoRA: Parameter-Efficient Adaptation of a Concept-Promptable Foundation Model for Multi-Class Structural Defect Segmentation
- arxiv url: http://arxiv.org/abs/2609.00469v1
- Date: Mon, 31 Aug 2026 23:19:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-02 16:31:36.127098
- Title: SAM3-LoRA: Parameter-Efficient Adaptation of a Concept-Promptable Foundation Model for Multi-Class Structural Defect Segmentation
- Title（参考訳）: SAM3-LoRA:マルチクラス構造欠陥セグメンテーションのための概念プロンプタブル基礎モデルのパラメータ効率の良い適応
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Promptable segmentation foundation models such as SAM3 accept an open-vocabulary text concept and return every instance matching it, but adapting them to a specialized domain by full fine-tuning is computationally prohibitive for the organizations that would benefit most. This study applies Low-Rank Adaptation (LoRA) to SAM3 for multi-class structural defect segmentation and examines both how such a model can be supervised from conventional annotation and whether the resulting efficiency gain transfers across datasets. Two contributions are methodological. First, we describe a supervision procedure that trains a concept-promptable model directly from COCO-style class-labeled instance segmentation by using the category name itself as the prompt, requiring no prompt templates, no synonym expansion, and no learned class embeddings. Second, we identify and mitigate a failure mode specific to this setting: because a conventional annotation file yields positive prompts exclusively, the model's presence prediction decouples from the text condition and degenerates into responding to any prompt, a collapse that is invisible to every metric computed on positive prompts alone. Exhaustive hard-negative prompting, in which every dataset category absent from an image is issued as a zero-detection query, addresses this at no annotation cost. Two adapter placements were compared under an identical protocol, updating 0.121% and 1.341% of model parameters. On a purpose-built tunnel lining dataset, pixel intersection-over-union improved from 0.017 to 0.338 and instance-level recall from 0.375 to 0.672; on the independent public Structural Defects Dataset, from 0.017 to 0.855 and from 0.574 to 1.000. Improvements were directionally consistent across ten metrics on both datasets, and the largest per-category gains occurred precisely where zero-shot competence was absent.
- Abstract（参考訳）: SAM3のような有望なセグメンテーション基盤モデルは、オープン語彙のテキスト概念を受け入れ、それにマッチするすべてのインスタンスを返却するが、それらを完全な微調整によって特定のドメインに適合させることは、最も恩恵を受ける組織にとって、計算的に禁止される。
本研究は,複数階層構造欠陥セグメント化のためのローランド適応 (LoRA) をSAM3に適用し,そのようなモデルが従来のアノテーションからどのように教師可能であるか,その結果の効率向上がデータセット間で伝達されるかどうかを検証した。
2つの貢献は方法論である。
まず、カテゴリ名自体をプロンプトとして使用し、プロンプトテンプレートを必要とせず、同義語拡張を必要とせず、学習クラス埋め込みを必要とせず、COCOスタイルのクラスラベル付き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訓練する監督手順について述べる。
第2に、この設定に特有の障害モードを特定し、緩和する: 従来のアノテーションファイルは、正のプロンプトのみを出力するので、モデルの存在予測は、テキスト状態から切り離され、任意のプロンプトに応答して縮退する。
画像から欠落するすべてのデータセットカテゴリがゼロ検出クエリとして発行される排他的ハード負のプロンプトは、アノテーションのコストなしでこの問題に対処する。
2つのアダプタ配置を同じプロトコルで比較し、モデルパラメータの0.121%と1.341%を更新した。
目的に構築されたトンネルライニングデータセットでは、ピクセル交叉結合は0.017から0.338に改善され、インスタンスレベルのリコールは0.375から0.672に改善され、独立したパブリックな構造欠陥データセットでは0.017から0.855、0.574から1.000に改善された。
両方のデータセット上の10のメトリクスに対して、改善は方向整合性があり、カテゴリごとの最大のゲインは、ゼロショットのコンピテンスが欠如していた正確な場所で発生した。
関連論文リスト
- A Unified Backbone--Expert Framework with Relation-Token and Residual--Classifier Interfaces for Automatic Modulation Recognition [1.547549252134621]
本稿では、共通の畳み込み状態空間のバックボーンと2つの特殊なインターフェースを持つ統一されたバックボーン・エキスパート・フレームワークを提案する。
我々のフレームワークは、RML2016.10bで67.28 pm 0.14%、HisarMod 2019で87.19 pm 0.77%という、全体的な平均精度を実現しています。
論文 参考訳（メタデータ） (2026-08-15T10:26:42Z) - Mapping and Measuring the Behavioral Evolution of Large Language Models [28.603443859513153]
ベンチマークのリーダーボードは、言語モデルのパフォーマンスを概説するが、その振る舞いが他のモデルとどのように関係しているか、世代によって異なる。
1万のプロンプトの共有バンクに対する応答を用いて、6つのファミリーから32モデルの出力挙動を特徴付ける。
論文 参考訳（メタデータ） (2026-08-11T15:07:28Z) - 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) - SPARE: Structural Parameter-Free Affinity Regularization for Flow Matching [30.43836162456455]
内部表現の正規化は効果的な加速器として現れているが、既存の手法は相補的なコストで2つのファミリーに分かれている。
構造について提案する。
Free Affinity Regularization (SPARE) は、中間トークンのペアの親和性とクリーンな潜在性の親和性とを一致させる正規化器である。
ImageNetでは、400Kレートの予算でSiTバックボーンと$256の256$で、SPAREはエンコーダ、ヘッド、パラメータを追加せず、トレーニングメモリはわずか0.08GBである。
論文 参考訳（メタデータ） (2026-08-03T09:50:51Z) - Closing the Modality Gap in Zero-Shot HAR: Contrastive Training and Separability-Optimized Prototypes on IMU Data [0.0]
PAMAP2データセット上で,3つの推論手法と2つのトレーニングパイプラインを組み合わせた7つの構成を評価する。
モダリティギャップは,目的によって支配される訓練時間現象であることがわかった。
また、テストセットのクラス分布が不均衡である場合、全体的な精度が誤解を招く一次指標であることを実証する。
論文 参考訳（メタデータ） (2026-06-09T12:39:41Z) - Architecture-Aware Explanation Auditing for Industrial Visual Inspection [1.3054033103300278]
本稿では,自然読出仮説に基づくアーキテクチャを考慮した説明監査プロトコルを運用する。
WM-811Kウェハマップ(9クラス、172k画像)の3列のゼロフィル摂動プロトコルの下では、ViT-Tiny + Attention RolloutはDeletion AUC 0.211をSwin-Tinyの0.432-0.525に対して取得する。
論文 参考訳（メタデータ） (2026-05-14T01:48:00Z) - A Fixed-Point Approach to Unified Prompt-Based Counting [51.20608895374113]
本研究の目的は,ボックス,ポイント,テキストなど,さまざまなプロンプト型で示されるオブジェクトの密度マップを生成することができる包括的プロンプトベースのカウントフレームワークを確立することである。
本モデルは,クラスに依存しない顕著なデータセットに優れ,データセット間の適応タスクにおいて優れた性能を示す。
論文 参考訳（メタデータ） (2024-03-15T12:05:44Z) - Generalized Category Discovery with Clustering Assignment Consistency [56.92546133591019]
一般化圏発見(GCD)は、最近提案されたオープンワールドタスクである。
クラスタリングの一貫性を促進するための協調学習ベースのフレームワークを提案する。
提案手法は,3つの総合的なベンチマークと3つのきめ細かい視覚認識データセット上での最先端性能を実現する。
論文 参考訳（メタデータ） (2023-10-30T00:32:47Z) - Prompt Tuning for Parameter-efficient Medical Image Segmentation [79.09285179181225]
2つの医用画像データセットのセマンティックセグメンテーションにパラメータ効率が良いが効果的な適応を実現するために,いくつかのコントリビューションを提案し,検討する。
我々はこのアーキテクチャを、オンライン生成プロトタイプへの割り当てに基づく専用密集型セルフスーパービジョンスキームで事前訓練する。
得られたニューラルネットワークモデルにより、完全に微調整されたモデルとパラメータに適応したモデルとのギャップを緩和できることを実証する。
論文 参考訳（メタデータ） (2022-11-16T21:55:05Z) - Label-Free Model Evaluation with Semi-Structured Dataset Representations [78.54590197704088]
ラベルなしモデル評価(AutoEval)は、ラベルなしテストセットでモデル精度を推定する。
画像ラベルがない場合、データセット表現に基づいて、回帰を伴うAutoEvalのモデル性能を推定する。
本稿では,AutoEvalのリッチな情報を含む回帰学習のための半構造化データセット表現を提案する。
論文 参考訳（メタデータ） (2021-12-01T18:15:58Z) - Federated Unsupervised Representation Learning [56.715917111878106]
フェデレート非教師表現学習(FURL)と呼ばれるフェデレーション学習における新しい問題を定式化し、教師なしの共通表現モデルを学習する。
FedCAは2つの主要なモジュールで構成されている: 辞書モジュールは、各クライアントからのサンプルの表現を集約し、表現空間の整合性のためにすべてのクライアントと共有し、アライメントモジュールは、公開データに基づいてトレーニングされたベースモデル上で各クライアントの表現を整合させる。
論文 参考訳（メタデータ） (2020-10-18T13:28:30Z)
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。