論文の概要: CoRe-SAM3: Conditional Semantic--Visual Reconciliation for SAM3 Crack Segmentation

• arxiv url: http://arxiv.org/abs/2609.05816v1
• Date: Sat, 05 Sep 2026 02:25:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-12 12:37:16.303905
• Title: CoRe-SAM3: Conditional Semantic--Visual Reconciliation for SAM3 Crack Segmentation
• Title（参考訳）: CoRe-SAM3:SAM3クラックセグメンテーションのための条件付きセマンティック画像再構成
• Abstract要約: 内部のプロンプト条件のセマンティック表現とSAM3のネイティブ視覚表現の5つのクラックデータセットにおける機能的差異を最初に診断した。 セマンティック・コンディショナル・ビジュアル・リコンシリゼーション(CoRe)を提案する。 5つの領域で、CoRe-SAM3は平均クラックIoUを62.34%から70.47%に改善し、clDiceを81.98%から89.24%に改善した。
• 参考スコア（独自算出の注目度）: 6.275757527790397
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Crack segmentation requires a model to recognize target semantics while accurately recovering thin, low-contrast, and topologically continuous local structures. Although SAM3 provides strong open-concept segmentation, its direct application to the crack domain still misses weak cracks, activates crack-like background regions, and produces local boundary errors. We first diagnose the functional differences between the internal prompt-conditioned semantic representation and native visual representation of SAM3 on five crack datasets. The results show that the semantic representation already carries most task information for crack prediction, whereas the utility of the visual representation depends on the current semantic state. Directly combining the two representations does not yield consistent gains. Based on this finding, we propose Conditional Semantic--Visual Reconciliation, termed CoRe. CoRe retains semantic prediction as the primary decision path, applies lightweight semantic calibration to adjust the target-domain decision mapping, and uses spatially aligned native visual evidence to generate a zero-initialized, bounded, and regularized conditional residual that selectively corrects existing predictions. Across five domains, CoRe-SAM3 improves the average Crack IoU from 62.34% to 70.47% and clDice from 81.98% to 89.24%, while introducing only 18.914 K trainable parameters. Prediction-transition analysis further shows that CoRe corrects an average of 34.38% of native errors, with a damage rate of only 0.23% on pixels correctly classified by native SAM3. These results demonstrate that constrained prediction correction based on the functional differences between internal representations provides an effective and parameter-efficient target-domain adaptation strategy for vision foundation models with strong task-specific semantic priors.
• Abstract（参考訳）: ひび割れのセグメンテーションは、ターゲットのセマンティクスを正確に認識しつつ、薄く、低コントラストで、位相的に連続的な局所構造を正確に復元するモデルを必要とする。 SAM3は強力なオープンコンセプトセグメンテーションを提供するが、クラックドメインへの直接適用は依然として弱いひび割れを見逃し、ひび割れのようなバックグラウンド領域を活性化し、局所的な境界誤差を発生させる。 内部のプロンプト条件のセマンティック表現とSAM3のネイティブ視覚表現の5つのクラックデータセットにおける機能的差異を最初に診断した。 その結果, 視覚的表現の有効性は現在の意味状態に依存しているのに対し, 視覚的表現は, クラック予測のためのタスク情報の大半をすでに持っていることが明らかとなった。 2つの表現を直接結合しても一貫した利得は得られない。 そこで本研究では,条件付きセマンティック・ビジュアル・リコンシリゼーション(CoRe)を提案する。 CoReは、セマンティックな予測を主決定経路として保持し、ターゲットドメインの決定マッピングを調整するために軽量なセマンティックキャリブレーションを適用し、空間的に整列されたネイティブな視覚的エビデンスを使用して、既存の予測を選択的に修正するゼロ初期化、有界化、および規則化された条件残差を生成する。 5つの領域で、CoRe-SAM3は平均的なCrack IoUを62.34%から70.47%に改善し、clDiceを81.98%から89.24%に改善し、18.914Kのトレーニング可能なパラメータを導入した。 予測遷移分析により、CoReはネイティブエラーの平均34.38%を補正し、ネイティブSAM3によって正しく分類されたピクセルの損傷率は0.23%に留まった。 これらの結果は、内部表現間の機能的差異に基づく制約付き予測補正が、強力なタスク固有のセマンティクスを持つ視覚基盤モデルに対して、効果的でパラメータ効率の良いターゲットドメイン適応戦略を提供することを示した。

関連論文リスト

• SAM3-LoRA: Parameter-Efficient Adaptation of a Concept-Promptable Foundation Model for Multi-Class Structural Defect Segmentation [0.0]
  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。
  論文  参考訳（メタデータ） (2026-08-31T23:19:59Z)
• Feature-Spectral Fragility in Segmentation: Dataset Dependence, Architecture-Specific Localization, and Spectral Correlates [0.0]
  学習した特徴表現の周波数依存性を学習後低域介入を用いて調査する。 CNN、SSM、Transformerはそれぞれ100%、73.2%、30.9%減少し、ISICでは9.4%、10.3%、0.6%となっている。 ネイティブな特徴領域スペクトル測定は、CVCにおける高周波エネルギーと不安定性の逆相関を示す。
  論文  参考訳（メタデータ） (2026-08-29T09:33:45Z)
• Architecture-Dependent Causal Transfer of Activation States Across Large Language Models [51.56484100374058]
  内部言語アクティベーション状態は、異なる大きな言語モデル間で因果的に転送することができる。 生成中に投影された活性化をターゲットモデルに注入すると、統計的に有意で事前登録された因果効果が生じる。 現在実装されているLCM間のエンド・ツー・エンドのアクティベーション・ステート・トランスファーは、ユニバーサルではなくアーキテクチャに依存していると結論付けている。
  論文  参考訳（メタデータ） (2026-08-17T09:53:27Z)
• Training-Free Semantic-Edge Response Decoding of SAM3 for Cross-Domain Infrastructure Crack Segmentation [5.9781029353176685]
  textbfSERDはトレーニング不要のメソッドで、プロポーザルインターフェースを内部の言語条件の応答に置き換える。 textbfSERDは5つの目に見えないデータセットで平均58.00%のCrack IoUを達成する。
  論文  参考訳（メタデータ） (2026-07-14T03:01:12Z)
• Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
  カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。 既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。 動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-25T09:57:46Z)
• 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)
• CLUE: Non-parametric Verification from Experience via Hidden-State Clustering [64.50919789875233]
  隠れアクティベーションの軌跡内の幾何的に分離可能なシグネチャとして解の正しさが符号化されていることを示す。 ClUE は LLM-as-a-judge ベースラインを一貫して上回り、候補者の再選において近代的な信頼に基づく手法に適合または超えている。
  論文  参考訳（メタデータ） (2025-10-02T02:14:33Z)
• Higher Performance Visual Tracking with Dual-Modal Localization [106.91097443275035]
  Visual Object Tracking (VOT)は、堅牢性と正確性の両方に同期性を必要とする。 ONRによるロバストなローカリゼーション抑制器とOFCによるターゲットセンターへの正確なローカリゼーションにより、ターゲットローカリゼーションのためのデュアルモーダルフレームワークを提案します。
  論文  参考訳（メタデータ） (2021-03-18T08:47:56Z)
• Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection [85.53263670166304]
  一段検出器は基本的に、物体検出を密度の高い分類と位置化として定式化する。 1段検出器の最近の傾向は、局所化の質を推定するために個別の予測分岐を導入することである。 本稿では, 上記の3つの基本要素, 品質推定, 分類, ローカライゼーションについて述べる。
  論文  参考訳（メタデータ） (2020-06-08T07:24:33Z)
• Rectifying Pseudo Label Learning via Uncertainty Estimation for Domain Adaptive Semantic Segmentation [49.295165476818866]
  本稿では、意味的セグメンテーションの文脈において、ソースドメインからターゲットドメインへの知識伝達の教師なし領域適応に焦点を当てる。 既存のアプローチでは、通常、擬似ラベルを未ラベルのターゲットドメインデータを完全に活用するための基礎的真理とみなす。 本稿では,擬似ラベル学習の修正のために,学習中の予測の不確かさを明示的に推定することを提案する。
  論文  参考訳（メタデータ） (2020-03-08T12:37:19Z)

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。