論文の概要: InstanceBench: Diagnosing Referential Reasoning and Target Identity in Referring Expression Segmentation

• arxiv url: http://arxiv.org/abs/2610.09478v1
• Date: Wed, 07 Oct 2026 05:34:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.736735
• Title: InstanceBench: Diagnosing Referential Reasoning and Target Identity in Referring Expression Segmentation
• Title（参考訳）: InstanceBench: 表現セグメンテーションにおける参照推論とターゲットアイデンティティの診断
• Abstract要約: 6,194のイメージ,9,264のターゲットインスタンス,25,077の人間検証された表現からなる,インスタンス中心の診断ベンチマークであるInstanceBenchを紹介した。 コンパクトな参照論理分類法は、直接的対象の証拠、同一クラスの選択、関係性および構成的基盤、および排除にまたがる。 18のモデルファミリーの22のネイティブマスクのRESチェックポイントで、最強のチェックポイントは67.1% mIoUに達したが、59.6%のAll@0.7しかなかった。
• 参考スコア（独自算出の注目度）: 30.616950969037827
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Referring Expression Segmentation (RES) links natural-language descriptions to pixel-level object masks. Yet standard evaluation provides limited insight into instance-level referential reasoning: it does not systematically distinguish referential logics, test target preservation across valid grounding paths, or separate target-selection from mask-generation errors. We introduce InstanceBench, an instance-centered diagnostic benchmark comprising 6,194 images, 9,264 target instances, and 25,077 human-verified expressions. Each target-centric expression set (TCES) fixes the image and target mask while pairing a minimal expression with a same-target variant that uses another valid cue or grounding path. A compact referential-logic taxonomy spans direct target evidence, same-class selection, relational and compositional grounding, and exclusion, while logic-critical construction suppresses simpler shortcuts. Identity-aware metrics measure target retention and set-level success while separating selection from mask-generation errors. Across 22 native-mask RES checkpoints from 18 model families, the strongest checkpoint reaches 67.1% mIoU but only 59.6% All@0.7. Controlled interventions confirm language sensitivity, while failure decomposition identifies target selection rather than mask decoding as the main bottleneck. On a controlled training subset, matched supervision improves identity-aware performance, showing that the diagnosed capability responds to targeted supervision. Collectively, InstanceBench supports a measure-diagnose-improve cycle: measuring target consistency across grounding paths, localizing failure sources, and evaluating targeted interventions.
• Abstract（参考訳）: Referring Expression Segmentation (RES)は、自然言語による記述をピクセルレベルのオブジェクトマスクにリンクする。 しかし、標準的な評価は、参照論理を体系的に区別したり、有効な接地経路を横断してテスト対象を保存したり、マスク生成エラーからターゲット選択を分離したりすることなど、インスタンスレベルの参照推論に関する限られた洞察を提供する。 6,194のイメージ,9,264のターゲットインスタンス,25,077の人間検証された表現からなる,インスタンス中心の診断ベンチマークであるInstanceBenchを紹介した。 各ターゲット中心式セット(TCES)は、イメージとターゲットマスクを修正し、最小限の式と、別の有効なキューまたはグラウンドパスを使用する同じターゲット変数をペアリングする。 コンパクトな参照論理分類法は、直接的対象の証拠、同一クラスの選択、関係性および構成的基盤、排除にまたがるが、論理クリティカルな構成は単純なショートカットを抑圧する。 アイデンティティを意識したメトリクスは、マスク生成エラーから選択を分離しながら、目標の保持とセットレベルの成功を測定する。 18のモデルファミリーの22のネイティブマスクのRESチェックポイントで、最強のチェックポイントは67.1% mIoUに達したが、59.6%のAll@0.7しかなかった。 制御された介入は言語の感度を確認し、障害分解はマスクの復号化よりもターゲットの選択を主なボトルネックとします。 制御されたトレーニングサブセットでは、一致した監視がアイデンティティ認識のパフォーマンスを改善し、診断された能力がターゲットの監視に応答することを示す。 集合的に、InstanceBenchは測定-診断-改善サイクルをサポートし、グラウンドングパスを越えたターゲットの一貫性を測定し、障害ソースをローカライズし、ターゲットの介入を評価する。

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)
• DRAgent: Discriminative Reasoning Agent for Referring Expression Segmentation [0.0]
  DRAgentはMLLMによるReferring Expressionの差別的推論フレームワークである。 DRAgentはRefCOCO、RefCOCO+、RefCOCOgで競争力を発揮する。
  論文  参考訳（メタデータ） (2026-08-24T07:18:38Z)
• EliSeg: Verified Target Construction for Report-Grounded Abnormality Segmentation [10.966565098819816]
  本研究は, 対象の適性, 濃度, 対マスク対応の発見をモデルが決定しなければならない, レポート基底の異常セグメンテーションについて検討する。 マスク生成とターゲット構築を統合したアトラル検証-修正フレームワークである textbfEliSeg を提案する。 EliSegは、事前に定義されたターゲットID、プロンプト、ポイント、バウンディングボックスを見つける必要はない。
  論文  参考訳（メタデータ） (2026-08-07T14:52:35Z)
• ResAgent: Entropy-based Prior Point Discovery and Visual Reasoning for Referring Expression Segmentation [21.87321809019825]
  Referring Expression(RES)は、自由形式の言語表現によるターゲットのピクセルレベルの理解を可能にする、コアビジョン言語セグメンテーションタスクである。 textbfmodelは textbfEntropy-textbfBased Point textbfDiscovery (textbfEBD) と textbfVision-textbfBased textbfReasoning (textbfVBR) を統合する新しいRESフレームワークである。 model は coarse-to を実装します
  論文  参考訳（メタデータ） (2026-01-23T01:56:04Z)
• 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)
• Continual-MAE: Adaptive Distribution Masked Autoencoders for Continual Test-Time Adaptation [49.827306773992376]
  連続的テスト時間適応(CTTA)は、ソース事前学習モデルから目標分布の連続的な変化に移行するために提案される。 提案手法は,CTTAタスクの分類とセグメンテーションの両方において,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-12-19T15:34:52Z)
• Regularizing Self-training for Unsupervised Domain Adaptation via Structural Constraints [14.593782939242121]
  本稿では,従来の自己学習目標を正規化するために,奥行きなどの補助的モーダルから構造的手がかりを取り入れることを提案する。 具体的には、オブジェクトインスタンスの近い領域内でピクセル表現をプルする、対照的なピクセルレベルのオブジェクト性制約を導入する。 セマンティックセグメンテーションのための様々な UDA ベンチマークにおいて,正則化器は最上位の自己学習手法を大幅に改善することを示す。
  論文  参考訳（メタデータ） (2023-04-29T00:12:26Z)
• Fully and Weakly Supervised Referring Expression Segmentation with End-to-End Learning [50.40482222266927]
  Referring Expression(RES)は、与えられた言語表現に従ってターゲットをローカライズし、セグメンテーションすることを目的としている。 そこで我々は,カーネル分割パイプラインを並列に構築し,より分離し,局所化とセグメント化のステップと相互作用する。 我々の手法は単純だが驚くほど効果的であり、完全に教師された設定と弱い設定において、従来の最先端のRES手法よりも優れている。
  論文  参考訳（メタデータ） (2022-12-17T08:29:33Z)

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。