論文の概要: PSMP-CLIP: Patch-Prompt SAM and Multi-Semantic Prompting for CLIP-Based Zero-Shot Anomaly Detection

• arxiv url: http://arxiv.org/abs/2609.16785v1
• Date: Tue, 15 Sep 2026 07:55:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.396653
• Title: PSMP-CLIP: Patch-Prompt SAM and Multi-Semantic Prompting for CLIP-Based Zero-Shot Anomaly Detection
• Title（参考訳）: PSMP-CLIP:CLIPに基づくゼロショット異常検出のためのパッチプロンプトSAMとマルチセマンティックプロンプト
• Abstract要約: パッチプロンプトSAM2セグメンテーション(PPSS)とMSGPR(Multi-semantic guided prompt regularization)を統合したPSMP-CLIPを提案する。 14のデータセットでの実験では、MVTec AD、BTAD、DTD-Synthetic、CVC-ClinicDB、TN3K、Edo、Kvasir上で最高のピクセルレベルAUROCを示している。
• 参考スコア（独自算出の注目度）: 6.921687631649003
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Zero-shot anomaly detection aims to localize anomalies without target-domain samples. Existing CLIP-based methods suffer from coarse anomaly maps and limited semantic prompts. We propose PSMP-CLIP, integrating patch-prompt SAM2 segmentation (PPSS) and multi-semantic guided prompt regularization (MSGPR). PPSS samples prompts directly from intermediate patch features, avoiding threshold drift and guiding SAM2 to produce precise masks. MSGPR uses multiple learnable prompts constrained by semantic anchors to preserve generalization. Experiments on 14 datasets show highly competitive performance, achieving the best pixel-level AUROC on MVTec AD, BTAD, DTD-Synthetic, CVC-ClinicDB, TN3K, Endo, and Kvasir.
• Abstract（参考訳）: ゼロショット異常検出は、ターゲットドメインサンプルなしで異常をローカライズすることを目的としている。 既存のCLIPベースのメソッドは、粗い異常マップと限定的なセマンティックプロンプトに悩まされている。 パッチプロンプトSAM2セグメンテーション(PPSS)とマルチセマンティック誘導プロンプト正規化(MSGPR)を統合したPSMP-CLIPを提案する。 PPSSサンプルは、中間パッチの特徴から直接プロンプトし、しきい値のドリフトを回避し、SAM2を誘導して正確なマスクを生成する。 MSGPRは、一般化を維持するためにセマンティックアンカーによって制約された複数の学習可能なプロンプトを使用する。 14データセットの実験では、MVTec AD、BTAD、DTD-Synthetic、CVC-ClinicDB、TN3K、Endo、Kvasir上で最高のピクセルレベルのAUROCを達成するという、非常に競争力のあるパフォーマンスを示している。

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)
• IP-SAM: Prompt-Space Conditioning for Prompt-Absent Camouflaged Object Detection [18.53702903244438]
  本稿では,IP-SAMを提案する。IP-SAMは,プロンプト空間のコンディショニングを通じて,プロンプト空間の観点から適応を再考する。 具体的には、セルフプロンプトジェネレータは、画像コンテキストを粗い局所アンカーとして機能する相補的な固有のプロンプトに蒸留する。 この戦略はCODを超えて医療用ポリープセグメンテーションへと一般化し、Kvasir-SEGでのみ訓練されたモデルはCVC-ClinicDBとETISの両方に強力なゼロショット転送を示す。
  論文  参考訳（メタデータ） (2026-03-28T11:52:55Z)
• Evidence Packing for Cross-Domain Image Deepfake Detection with LVLMs [14.856226450226297]
  画像全体の推論をエビデンス駆動推論に置き換える,学習不要なLVLMフレームワークを提案する。 SCEPは、操作キューを最もよく示す不審なパッチトークンのコンパクトなセットをマイニングする。 ビジョンエンコーダのCLSトークンをグローバル参照として使用し、クラスタパッチの機能をコヒーレントなグループに分割し、融合したメトリックでパッチをスコアする。
  論文  参考訳（メタデータ） (2026-03-18T14:22:45Z)
• StructSAM: Structure- and Spectrum-Preserving Token Merging for Segment Anything Models [57.674757786328236]
  StructSAMは、Segment Anything Model(SAM)に適した解像度保存型マージアンマージフレームワークである また,StructSAMはエンコーダFLOPsを25～30%削減し,mIoU/Diceに少量の低下を認めた。 また、スペクトルグラフ粗大化ビューでは、スコア誘導マージにより、ランダムまたはウィンドウ制限ベースラインと比較して、ラプラシアスペクトル歪みが有界となることを示す。
  論文  参考訳（メタデータ） (2026-03-07T18:30:58Z)
• Hierarchical Self-Supervised Representation Learning for Depression Detection from Speech [51.14752758616364]
  音声による抑うつ検出 (SDD) は、従来の臨床評価に代わる有望で非侵襲的な代替手段である。 HAREN-CTCは,マルチタスク学習フレームワーク内でのクロスアテンションを用いて,多層SSL機能を統合した新しいアーキテクチャである。 このモデルはDAIC-WOZで0.81、MODMAで0.82の最先端マクロF1スコアを達成し、両方の評価シナリオで先行手法より優れている。
  論文  参考訳（メタデータ） (2025-10-05T09:32:12Z)
• One Polyp Identifies All: One-Shot Polyp Segmentation with SAM via Cascaded Priors and Iterative Prompt Evolution [11.042138550601795]
  本稿では,1つの注釈付き画像からプロンプトを自動的に生成する,SAMに基づくワンショットポリープセグメンテーションフレームワークOP-SAMを提案する。 本手法では,意味的ラベル伝達のための相関ベース事前生成(CPG)と,ポリプサイズに適応するためのスケールカスケード事前融合(SPF)を導入する。
  論文  参考訳（メタデータ） (2025-07-22T08:19:56Z)
• Bridge Feature Matching and Cross-Modal Alignment with Mutual-filtering for Zero-shot Anomaly Detection [25.349261412750586]
  本研究では,ZSAD 用 textbfFiSeCLIP とトレーニング不要 textbfCLIP を導入し,特徴マッチングとクロスモーダルアライメントを組み合わせた。 本手法は,異常検出ベンチマークにおいて,異常分類とセグメンテーションの両方において優れた性能を示す。
  論文  参考訳（メタデータ） (2025-07-15T05:42:17Z)
• AFR-CLIP: Enhancing Zero-Shot Industrial Anomaly Detection with Stateless-to-Stateful Anomaly Feature Rectification [11.844008592270555]
  本稿では,CLIPに基づく異常特徴修正フレームワークであるAFR-CLIPを提案する。 視覚的特徴とテキスト的特徴のコサイン類似度を測定して異常マップを生成する。 産業と医療の領域にわたる11の異常検出ベンチマークで実験が行われた。
  論文  参考訳（メタデータ） (2025-03-17T08:18:55Z)
• Bridge the Points: Graph-based Few-shot Segment Anything Semantically [79.1519244940518]
  プレトレーニング技術の最近の進歩により、視覚基礎モデルの能力が向上した。 最近の研究はSAMをFew-shot Semantic segmentation (FSS)に拡張している。 本稿では,グラフ解析に基づく簡易かつ効果的な手法を提案する。
  論文  参考訳（メタデータ） (2024-10-09T15:02:28Z)
• ASPS: Augmented Segment Anything Model for Polyp Segmentation [77.25557224490075]
  SAM(Segment Anything Model)は、ポリープセグメンテーションに先例のないポテンシャルを導入している。 SAMのTransformerベースの構造は、グローバルおよび低周波情報を優先する。 CFAはトレーニング可能なCNNエンコーダブランチと凍結したViTエンコーダを統合し、ドメイン固有の知識の統合を可能にする。
  論文  参考訳（メタデータ） (2024-06-30T14:55:32Z)
• ClipSAM: CLIP and SAM Collaboration for Zero-Shot Anomaly Segmentation [5.376142948115328]
  本稿では,ZSASのためのCLIPおよびSAM協調フレームワークであるClipSAMを提案する。 ClipSAMの背後にある洞察は、CLIPのセマンティック理解機能を、異常なローカライゼーションと粗いセグメンテーションに活用することである。 本稿では,視覚的特徴と対話するためのUMCI(Unified Multi-scale Cross-modal Interaction)モジュールについて述べる。
  論文  参考訳（メタデータ） (2024-01-23T11:20:03Z)
• Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
  半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析 本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。 我々の手法は、最先端の手法をクリアマージンで上回る。
  論文  参考訳（メタデータ） (2023-07-16T16:32:14Z)

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。