論文の概要: Preference-Guided Adaptation for Open-Vocabulary Semantic Segmentation via Prompt Disagreement

• arxiv url: http://arxiv.org/abs/2609.34528v1
• Date: Mon, 28 Sep 2026 08:00:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 12:44:18.309562
• Title: Preference-Guided Adaptation for Open-Vocabulary Semantic Segmentation via Prompt Disagreement
• Title（参考訳）: Prompt Disagreement を用いた開語彙セマンティックセマンティックセマンティックセマンティックセマンティックセマンティック適応
• Abstract要約: Open-vocabulary semantic segmentation (OVSS)は、任意のテキスト特定語彙に対するピクセルレベルの予測を可能にする。 OVSSの性能は、医療画像、リモートセンシング、産業検査のような特殊な領域で劣化することが多い。 本稿では、密集マスク監視を二元選好に置き換える嗜好誘導適応フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 53.725812224812906
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Open-vocabulary semantic segmentation (OVSS) enables pixel-level prediction over arbitrary text-specified vocabularies and has shown strong generalization on common benchmarks. However, OVSS performance often degrades in specialized domains such as medical imaging, remote sensing, and industrial inspection, where dense pixel-level masks for adaptation are costly to obtain and require domain-specific expertise. We propose a preference-guided adaptation framework that replaces dense mask supervision with binary preferences. We observe that different prompt templates produce systematically different segmentations for the same image, a phenomenon we call prompt disagreement, and we repurpose it as a built-in source of preference supervision. Building on this, we mine localized preference queries from regions of high cross-template uncertainty, and adapt the OVSS model with Region-Localized Preference Optimization (RLPO) together with consistency regularization that stabilizes updates outside the queried region. Across extensive experiments on the MESS benchmark, the proposed method achieves consistent gains across diverse OVSS backbones without any pixel-level annotation, and remains effective under noisy preferences. Our code is available at https://github.com/blue-531/pref-ovss.
• Abstract（参考訳）: Open-vocabulary semantic segmentation (OVSS)は、任意のテキスト特定語彙に対するピクセルレベルの予測を可能にし、一般的なベンチマークで強力な一般化を示している。 しかし、OVSSの性能は、医療画像、リモートセンシング、産業検査のような特殊な領域で劣化し、適応のための高密度なピクセルレベルのマスクは、ドメイン固有の専門知識を得るためにコストがかかる。 本稿では、密集マスク監視を二元選好に置き換える嗜好誘導適応フレームワークを提案する。 我々は、異なるプロンプトテンプレートが同じ画像に対して系統的に異なるセグメンテーションを生成することを観察する。 そこで我々は,クロステンポレート不確実性の高い領域からの局所的選好クエリを抽出し,領域ローカライズされた選好最適化(RLPO)を用いたOVSSモデルと,クエリ領域外の更新を安定化する整合性正規化を適用した。 MESSベンチマークの広範な実験を通じて,提案手法は画素レベルのアノテーションを使わずに,多様なOVSSバックボーン間で一貫したゲインを達成し,ノイズの多い選択の下でも有効である。 私たちのコードはhttps://github.com/blue-531/pref-ovssで利用可能です。

関連論文リスト

• LASA: Language-and-Source-Anchored Alignment for Domain Generalized Semantic Segmentation [43.56251979741165]
  ドメイン一般化セマンティック(DGSS)は、ラベル付きソースドメインから見えないターゲットドメインへの知識の一般化に焦点を当てている。 スタイルのランダム化は、その粗い粒度の性質のために、基礎となる特徴多様体を歪ませる。 特徴正規化は、その厳密な設計のため、非ネイティブでドメインに敏感なセマンティックディテールを抑制する。
  論文  参考訳（メタデータ） (2026-08-09T16:43:04Z)
• One Patch Is Enough: Reinforcement-Optimized Visual Token Grounding for MLLM-Based Scene Text Spotting [51.09550363815034]
  シーンテキストスポッティングはテキスト認識と空間的局所化の間に高精度なアライメントを必要とする。 本研究では,個々のテキストインスタンスを単一のアンカー視覚トークンでルーティングする視覚中心のフレームワークであるSingle-Patch Text Spotting (SPaTS)を提案する。 SPaTS はフロンティアのクローズドソースMLLM と OCR MLLM の両方で一貫した性能を示し,その性能を著しく向上させる。
  論文  参考訳（メタデータ） (2026-07-30T09:17:48Z)
• MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation [65.068801413044]
  連続的なテスト時間適応は、非定常な未ラベルのターゲットストリームにソース予測モデルを適用する。 ドメインに依存しない構造をドメイン固有のテクスチャから切り離す。
  論文  参考訳（メタデータ） (2026-05-18T01:52:12Z)
• Spatio-Semantic Expert Routing Architecture with Mixture-of-Experts for Referring Image Segmentation [0.3437656066916039]
  画像セグメント化の参照は、自然言語表現によって記述された画像領域のためのピクセルレベルのマスクを作成することを目的としている。 画像セグメンテーションを参照するための空間分割型エキスパートルーティングアーキテクチャSERAを提案する。 SERAは、視覚言語フレームワーク内の2つの相補的な段階において、軽量で表現を意識した専門家の洗練を導入する。
  論文  参考訳（メタデータ） (2026-03-13T00:37:20Z)
• Vision-Language Feature Alignment for Road Anomaly Segmentation [38.2615882515309]
  本稿では,事前学習された視覚言語モデル(VLM)のセマンティクスを組み込んだ視覚言語異常セグメンテーションフレームワークを提案する。 具体的には,Mask2Formeの視覚的特徴を既知のカテゴリのCLIPテキスト埋め込みに適応させる,素早い学習駆動アライメントモジュールを設計する。 推論時に,テキスト誘導類似性,CLIPに基づく画像テキスト類似性,検出信頼度を統合したマルチソース推論戦略を導入する。
  論文  参考訳（メタデータ） (2026-03-01T10:17:00Z)
• Open-Vocabulary Domain Generalization in Urban-Scene Segmentation [83.15573353963235]
  セマンティックドメインのドメイン一般化(DG-SS)は、セグメント化モデルが目に見えない環境で堅牢に動作できるようにすることを目的としている。 VLM(Vision-Language Models)の最近の進歩は、モデルがより広い範囲の概念を認識できるようにすることにより、OV-SS(Open-Vocabulary Semantic)が進歩している。 しかし、これらのモデルはドメインシフトに敏感であり、目に見えない環境にデプロイされた場合、堅牢性を維持するのに苦労する。 状態空間駆動型テキスト画像相関改善機構であるS2-Corrを提案する。
  論文  参考訳（メタデータ） (2026-02-21T14:32:27Z)
• HAAF: Hierarchical Adaptation and Alignment of Foundation Models for Few-Shot Pathology Anomaly Detection [10.649984141835189]
  階層型適応アライメントフレームワーク(HAAF)を提案する。 中心となるのは、シーケンシャルなキャリブレーション順序を強制するクロスレベルスケールアライメント機構である。 デュアルブランチ推論戦略は、セマンティックスコアと幾何学的プロトタイプを統合して、数ショット設定での安定性を確保する。
  論文  参考訳（メタデータ） (2026-01-24T10:31:21Z)
• Few-Shot Video Object Segmentation in X-Ray Angiography Using Local Matching and Spatio-Temporal Consistency Loss [13.850743997507488]
  探索空間を最も近いピクセルに制限する局所マッチング戦略を用いた新しいFSVOSモデルを提案する。 具体的には、動的に異なるサンプリング領域を実現できる非パラメトリックサンプリング機構を実装した。 この研究は、幅広い臨床応用のための強化されたポテンシャルを提供する。
  論文  参考訳（メタデータ） (2026-01-02T21:26:28Z)
• Towards Fine-Grained Vision-Language Alignment for Few-Shot Anomaly Detection [65.29550320117526]
  我々はFinGrainedADという新しいフレームワークを提案し、異常なローカライゼーション性能を改善する。 実験により、提案されたFinGrainedADは、数ショット設定で全体的なパフォーマンスが優れていることが示された。
  論文  参考訳（メタデータ） (2025-10-30T13:09:00Z)

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。