論文の概要: R4Tun: LLM-guided adaptive segmental tunnel lining segmentation in point clouds
- arxiv url: http://arxiv.org/abs/2609.11360v1
- Date: Thu, 10 Sep 2026 10:46:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.30678
- Title: R4Tun: LLM-guided adaptive segmental tunnel lining segmentation in point clouds
- Title（参考訳）: R4Tun: 点雲におけるLLM誘導適応セグメントトンネルライニングセグメンテーション
- Abstract要約: R4Tunは大規模言語モデル(LLM)による適応フレームワークである。
専門家が設計したパイプライン(SAM4Tun)を拡張し、構造化コンテキストによって通知される境界パラメータチューニングを提供する。
- 参考スコア（独自算出の注目度）: 6.272244674661196
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated inspection of segmental tunnel linings requires adaptive segmentation from 3D point clouds, yet expert-tuned pipelines often degrade when tunnel conditions vary. This paper presents R4Tun, a large language model (LLM)-driven adaptation framework that extends an expert-designed pipeline (SAM4Tun) with bounded parameter tuning informed by structured context: memory ($m$), state ($s$), and knowledge ($k$). Evaluated on 30 selected Seg2Tunnel subsets (13 regular, 17 complex) across three LLMs, the full $m+s+k$ design raised mean Intersection-over-Union (mIoU) from 0.18 to 0.43--0.48 and overall accuracy (OA) from 0.42 to 0.59--0.65 relative to the static SAM4Tun baseline, with the near-reference regular (staggered) subsets reaching mIoU 0.784--0.796 across LLMs. Across 270 (30 tunnels $\times$ 3 different LLMs $\times$ 3 context settings) runs, the LLMs showed similar parameter-adjustment trends (with overlapping 95\% CIs on mean gains) and consistently adjusted a shared set of critical parameters. These results support R4Tun as a controlled, label-free, cross-LLM adaptation mechanism in the tested SAM4Tun--Seg2Tunnel setting, demonstrating consistent accuracy gains; we position R4Tun as a mechanism contribution rather than a deployable final-inspection system, in which each bounded parameter change is auditable via logged rationales.
- Abstract（参考訳）: セグメントトンネルライニングの自動検査は3次元点雲からの適応的なセグメンテーションを必要とするが、トンネル条件が変化すると、専門家が調整したパイプラインは劣化することが多い。
本稿では,大規模言語モデル(LLM)による適応フレームワークであるR4Tunについて述べる。メモリ(m$),状態(s$),知識(k$)という,構造化されたコンテキストによって通知される有界パラメータチューニングを備えた,専門家設計パイプライン(SAM4Tun)を拡張する。
選択された30個のSeg2Tunnelサブセット(正規数13個、複素数17個)で評価され、完全な$m+s+k$の設計により、インターセクションオーバーユニオン(mIoU)を0.18から0.43--0.48に、全体的な精度(OA)を0.42から0.59--0.65に引き上げた。
270 (30 トンネル$\times$3 異なる LLMs$\times$3 コンテキスト設定) の実行中、LLM は同様のパラメータ調整トレンド(平均ゲインで95 % CI をオーバーラップ)を示し、共通のクリティカルパラメータセットを一貫して調整した。
これらの結果は,テストされたSAM4Tun-Seg2Tunnel設定において,R4Tunを制御・ラベルフリー・クロスLLM適応機構としてサポートし,一貫した精度向上を示す。
関連論文リスト
- SeGDeP: Semantic- and Geometric-Aware Decoupled Prompts for Reasoning Segmentation [51.46828526392219]
推論セグメンテーションは暗黙の言語学的結論を正確なマスクに変換する。
既存のMLLMセグメンタインタフェースでは、特別なトリガーを使用するか、両方の信号を1つのコンテキストに圧縮する。
明示的なWhat-whereインターフェースであるSeGDePを提示する。
論文 参考訳（メタデータ） (2026-09-08T15:11:32Z) - A-SR: Self-Evolving Agentic LLMs for Symbolic Regression via Hierarchical Coordination [51.06539604709775]
本稿では、制御ユニットを表現編集からロール条件のエビデンスビューへシフトさせる自己進化型エージェントフレームワークであるA-SRを提案する。
A-SRは、コーディネートプロトコル、オンライン評価器・リワードロールポリシー、および状態制御プロセスメモリ間のルーティングによる公式発見をコーディネートする。
論文 参考訳（メタデータ） (2026-08-05T14:01:10Z) - SLAI T-Rex: Full-Parameter Post-training of the DeepSeek-V4 Family on Ascend SuperPOD [91.71050339479261]
本稿では,Ascend NPU SuperPODにおけるエンドツーエンド最適化手法を提案する。
モデルレベルの並列性、計算通信オーケストレーション、低レベルのカーネル実行にまたがる階層的最適化フレームワークを開発した。
その結果、34.22%のモデルFLOP(Model FLOP)利用が達成され、オープンソースのベースラインレシピよりも2.93倍改善された。
論文 参考訳（メタデータ） (2026-07-22T13:49:17Z) - Scaling Closed-Loop Feature Channel Configuration with LLMs [48.83701310501069]
この分析では,8サイクルから2000件の候補が生成され,タスクおよびメタデータフィルタリング後のCIFAR-100の評価結果が462件得られた。
最良のモデルは11.8Mパラメータで0.3676に達し、初期のハイパフォーマンスモデルは0.3144で166.5Mパラメータである。
検証された候補の41.8%で2つのチャネル幅の非パワーが発生し、最強のモデルではチャネル配置パターンが共有される。
論文 参考訳（メタデータ） (2026-07-07T22:31:53Z) - Structural Kolmogorov-Arnold Convolutions: Learnable Function on the Values or the Filter Shape as Parameter-Efficient Alternative to Per-Edge Convolutional KANs [76.06235645266621]
Convolutional Kolmogorov--Arnold Networks (KAN) は、畳み込みカーネルの固定重みを学習可能な単変数関数に置き換える。
学習可能な関数は、各エッジよりも畳み込みのエンファン構造に置かれる方がよいと我々は主張する。
論文 参考訳（メタデータ） (2026-06-23T10:00:26Z) - Reinforcement learning to improve large language model-based automated code compliance systems [1.0760732143259102]
本稿では、教師付き微調整を用いてLLMにドメイン知識を注入する2段階フレームワークであるP4IRを紹介する。
このフレームワークは、ツリー編集距離とトークンレベルのレベンシュテイン距離の最大23.8%と38.6%の削減を実現している。
論文 参考訳（メタデータ） (2026-06-21T09:17:02Z) - StereoFactory: A Unified Merging Framework for Robust Stereo Matching [61.973843344605655]
ステレオマッチングは、大規模なデータセットでトレーニングされた基礎モデルを通じて進歩しているが、このパラダイムはスケーラビリティのボトルネックに悩まされている。
モデルマージは、ソースチェックポイントが利用可能になった後、特別なモデルからの知識を統合することで、スケーラブルなポストホックな代替手段を提供する。
本稿では,適応モデルマージのための粗大な進化的フレームワークであるStereoFactoryを提案する。
論文 参考訳（メタデータ） (2026-06-16T03:36:59Z) - EEVEE: Towards Test-time Prompt Learning in the Real World for Self-Improving Agents [64.96332056338923]
EEVEEは、LLMエージェントのための最初のマルチデータセットテスト時プロンプト学習フレームワークである。
実世界のタスクストリーム下でテスト時のプロンプト学習を可能にする。
EEVEEはQwen3-4B-InstructとDeepSeek-V3.2で平均マルチベンチマークスコアを10.38点、24.32点改善している。
論文 参考訳（メタデータ） (2026-06-09T17:57:16Z) - RLearner-LLM: Balancing Logical Grounding and Fluency in Large Language Models via Hybrid Direct Preference Optimization [5.0009109610311855]
ハイブリッドDPOを用いたRLearner-LLMを提案する。
RLearner-LLMはSFTよりも最大6倍NLI改善する。
Gemma 4 E4B-itでは、Hybrid-DPOは5つのドメインのうち4つのNLIを持ち上げる。
論文 参考訳（メタデータ） (2026-05-06T06:36:09Z) - RG-TTA: Regime-Guided Meta-Control for Test-Time Adaptation in Streaming Time Series [0.0]
テスト時間適応(TTA)は、ニューラルネットワークの予測者がストリーミング時系列の分散シフトに適応できるようにする。
本稿では,従来の状態と分布類似性に基づいて適応強度を連続的に変調するメタコントローラであるRegime-Guided Test-Time Adaptation (RG-TTA)を提案する。
論文 参考訳（メタデータ） (2026-03-29T18:57:34Z) - AutoSiMP: Autonomous Topology Optimization from Natural Language via LLM-Driven Problem Configuration and Adaptive Solver Control [4.365822392824561]
AutoSiMPは、自然言語の構造的問題記述を手動で設定せずに検証されたバイナリトポロジーに変換する。
パイプラインは,(1)平易なプロンプトを幾何仕様に解析し,サポート,負荷,受動的領域,メッシュパラメータに解析するLLMベースのソルバ,(2)ソルバ対応DOFアレイ,力ベクトル,受動的要素マスクを生成する境界条件生成器,(3)3フィールドSIMPソルバ,およびHeavisideプロジェクションとプラグ可能な継続制御を備える。
論文 参考訳（メタデータ） (2026-03-27T21:23:44Z) - Spectral Edge Dynamics of Training Trajectories: Signal--Noise Geometry Across Scales [0.0]
コンヒーレントな方向のみにおいてトランスフォーマー訓練軌道が発展することを示す。
共同作業では、同じスペクトル幾何学がグラッキングの早期警戒信号を提供する。
論文 参考訳（メタデータ） (2026-03-14T04:46:05Z)
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。