論文の概要: InsightSeg: Reusing Correction Insights for Guideline-Consistent Segmentation
- arxiv url: http://arxiv.org/abs/2609.02002v1
- Date: Wed, 02 Sep 2026 02:22:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 17:53:18.030171
- Title: InsightSeg: Reusing Correction Insights for Guideline-Consistent Segmentation
- Title（参考訳）: InsightSeg: ガイドライン一貫性セグメンテーションのための補正インサイトの使用
- Abstract要約: 本稿では,修正エピソードを再利用可能な視覚的根拠に変換するエピソード記憶機構であるInsightSegを紹介する。
InsightSegは、AcrossとCityscapesで、最初のパスと最後のガイドライン一貫性セグメンテーションのパフォーマンスを改善し、改善ステップを少なくする。
- 参考スコア（独自算出の注目度）: 4.501547677532766
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Guideline-consistent semantic segmentation requires more than category recognition, as real-world labeling policies demand fine-grained, task-specific decisions. Recent multi-agent refinement systems improve compliance with such textual guidelines by detecting and correcting errors. However, they are stateless: feedback from the critiquing agent is discarded, causing the same guideline-specific mistakes to be repeatedly rediscovered and corrected across the dataset at the cost of additional refinement. We introduce InsightSeg, an episodic memory mechanism that converts successful correction episodes into reusable, visually grounded insights. A meta-analyzer distills each qualifying episode into directive natural-language insights and anchors them to the local image regions that caused the error using patch-level visual concept vectors. On subsequent images, these concepts are matched against dense patch embeddings to retrieve relevant insights, which condition the segmenting agent before making its first prediction. This shifts the system from correcting recurring errors to preventing them, improving segmentation quality before any refinement occurs. Across Waymo and Cityscapes, InsightSeg improves both first-pass and final guideline-consistent segmentation performance while requiring fewer refinement steps, demonstrating that multi-agent refinement can become more accurate and efficient by drawing on past correction experience.
- Abstract（参考訳）: ガイドラインに一貫性のあるセマンティックセグメンテーションはカテゴリ認識以上のものを必要とし、現実世界のラベル付けポリシーはきめ細かなタスク固有の決定を要求する。
近年のマルチエージェントリファインメントシステムは、エラーを検出し修正することで、このようなテキストガイドラインの遵守を改善している。
しかし、それらはステートレスである: クオリティエージェントからのフィードバックは破棄され、同じガイドライン固有のミスが、追加の洗練のためにデータセット全体で繰り返し再発見され、修正される。
本稿では,修正エピソードを再利用可能な視覚的根拠に変換するエピソード記憶機構であるInsightSegを紹介する。
メタアナライザは、各予選エピソードをディレクティブな自然言語の洞察に蒸留し、それらをパッチレベルのビジュアル概念ベクトルを用いてエラーを引き起こした局所画像領域に固定する。
その後の画像では、これらの概念は、関連する洞察を得るために密接なパッチ埋め込みと一致し、その最初の予測を行う前にセグメンテーションエージェントを条件付けする。
これにより、システムは繰り返し発生するエラーの修正から防止に移行し、改善が行われる前にセグメンテーション品質を改善する。
WaymoとCityscapes全体で、InsightSegは、最初のパスと最後のガイドライン一貫性セグメンテーションのパフォーマンスを改善し、改善ステップを少なくし、過去の修正経験に基づいて、マルチエージェントのリファインメントがより正確で効率的なものになることを実証している。
関連論文リスト
- Rubrics as Visual-Repair Context for Self-Evolving UI-to-Code Generation [147.1183324267404]
ローカルコード編集は、レイアウト、スタイル、コンポーネントの依存関係を通じて伝搬し、以前は忠実だった領域を劣化させながら、1つの視覚的ミスマッチを修正する。
本稿では,視覚フィードバックを構造化された視覚再生コンテキストとして表現するために,ルーブリックを用いたルーブリック誘導フレームワークであるRubSEを紹介する。
RubSEは最終ラウンドおよび最高ラウンド設定での自己進化を著しく上回り、より安定した改良とより高い軌道レベルの性能天井を実現する。
論文 参考訳（メタデータ） (2026-08-25T07:03:46Z) - Unpaired Modality-Agnostic Generative Recommendation [26.342219762853187]
UnpairGRは、ペア、イメージのみ、およびテキストのみの観察から、統合されたセマンティックID空間を学ぶ。
3つのベンチマークデータセットの実験は、UnpairGRが常にレコメンデーションパフォーマンスを改善していることを示している。
論文 参考訳（メタデータ） (2026-08-03T16:46:47Z) - Beyond Supervised Clarification: Input Rewriting with LLMs for Dialogue Discourse Parsing [16.51635619165348]
フリーズダウンストリームモデルを改善するために入力を書き換えることは、現代のNLPパイプラインにおいて一般的な戦略となっている。
本研究では,この考え方を現実的な展開条件下で再検討する。
最高の8個の書き直し分析では、実際の天井が示され、多くのエラーは入力だけでは修復できない。
論文 参考訳（メタデータ） (2026-07-02T09:57:52Z) - Speculative Rollback Correction for Quality-Diverse Web Agent Imitation [43.603850569331975]
専門家の軌道から模倣学習を通じて対話型Webエージェントを訓練することは、非常に効果的なアプローチとして現れている。
リセット可能なエージェント環境のためのブランチレベルの模倣フレームワークであるSRC(Speculative Rollback Correction)を提案する。
論文 参考訳（メタデータ） (2026-06-10T08:56:27Z) - Learn to Rank: Visual Attribution by Learning Importance Ranking [58.69028273772474]
コンピュータビジョンモデルのための視覚属性マップを生成する新しい手法を提案する。
提案手法は, 任意の数段階の勾配補正を施した1つの前方通過において, 密度の高い画素レベルの属性を生成する。
我々の実験は、一貫した定量的改善と、よりシャープで境界に沿った説明を示す。
論文 参考訳（メタデータ） (2026-04-07T12:53:22Z) - SPEGC: Continual Test-Time Adaptation via Semantic-Prompt-Enhanced Graph Clustering for Medical Image Segmentation [12.0982298854338]
Continual Test-Time Adaptation (CTTA)は、トレーニング済みのモデルが、ラベルなしドメインの継続的な変更に適応できるようにすることを目的としている。
医用画像セグメンテーションのためのセマンティック・プロンプト拡張グラフクラスタリング(SPEGC)によるCTTAを提案する。
論文 参考訳（メタデータ） (2026-03-12T03:22:43Z) - What's Left Unsaid? Detecting and Correcting Misleading Omissions in Multimodal News Previews [31.373823254968315]
事実が正しいとしても、ソーシャルメディアのニュースプレビューは解釈のドリフトを引き起こす。
この秘密の害は明示的な誤報よりも検出が難しいが、未発見のままである。
我々は、プレビューベースとコンテキストベースの理解を分離し、シミュレートするマルチステージパイプラインを開発した。
論文 参考訳（メタデータ） (2026-01-09T06:29:19Z) - The Consistency Critic: Correcting Inconsistencies in Generated Images via Reference-Guided Attentive Alignment [105.31858867473845]
ImageCriticはエージェントフレームワークに統合され、不整合を自動的に検出し、マルチラウンドおよびローカル編集で修正する。
実験では、ImageCriticは様々なカスタマイズされた生成シナリオで詳細に関連する問題を効果的に解決することができ、既存のメソッドよりも大幅に改善されている。
論文 参考訳（メタデータ） (2025-11-25T18:40:25Z) - Metacognitive Self-Correction for Multi-Agent System via Prototype-Guided Next-Execution Reconstruction [58.51530390018909]
大規模言語モデルに基づくマルチエージェントシステムは、協調的な問題解決において優れているが、エラーのカスケードには脆弱である。
我々は,MASにリアルタイム,教師なし,ステップレベルの誤り検出と自己補正を付与するメタ認知フレームワークMASCを提案する。
論文 参考訳（メタデータ） (2025-10-16T05:35:37Z) - Multimodal LLM-Guided Semantic Correction in Text-to-Image Diffusion [52.315729095824906]
MLLM Semantic-Corrected Ping-Pong-Ahead Diffusion (PPAD) は,マルチモーダル大言語モデル(MLLM)を推論中の意味的オブザーバとして導入する新しいフレームワークである。
中間世代をリアルタイムに分析し、潜在意味的不整合を識別し、フィードバックを制御可能な信号に変換し、残りの認知ステップを積極的に導く。
大規模な実験ではPPADの大幅な改善が示されている。
論文 参考訳（メタデータ） (2025-05-26T14:42:35Z) - SINDER: Repairing the Singular Defects of DINOv2 [61.98878352956125]
大規模なデータセットでトレーニングされたビジョントランスフォーマーモデルは、抽出したパッチトークンにアーティファクトを表示することが多い。
本稿では,小さなデータセットのみを用いて構造欠陥を補正するスムーズなスムーズな正規化を提案する。
論文 参考訳（メタデータ） (2024-07-23T20:34:23Z)
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。