論文の概要: Efficient SAM3 Adaptation for Multi-Class Semantic Segmentation via Dense Competitive Representations

• arxiv url: http://arxiv.org/abs/2610.27960v1
• Date: Tue, 20 Oct 2026 10:06:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.75864
• Title: Efficient SAM3 Adaptation for Multi-Class Semantic Segmentation via Dense Competitive Representations
• Title（参考訳）: Dense Competitive Representationによる多クラスセマンティックセマンティックセマンティックセグメンテーションの効率よいSAM3適応
• Abstract要約: SAM3はセマンティックな重複を伴う概念の処理に失敗し、セマンティックな誤分類と冗長なマスク予測をもたらす。 本稿では,これらの制約に対処するDense Competitive Representations SAM (DCR-SAM) フレームワークを提案する。 提案するフレームワークは,最先端手法よりも2.3%$sim$10.7%の性能向上を実現していることを示す。
• 参考スコア（独自算出の注目度）: 14.285706569548871
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Segment Anything Model 3 (SAM3) has achieved significant progress in Promptable Concept Segmentation (PCS) by processing short noun phrases to generate segmentation masks with unique instance identifiers. While SAM3 excels at single-concept segmentation, it falls short in complex, real-world environments where multiple concepts must be segmented simultaneously. In particular, SAM3 typically fails to simultaneously process concepts with semantic overlap, leading to semantic misclassifications and redundant mask predictions. Moreover, as the number of concepts increases, the independent inference paradigm introduces prohibitive inference latency. To address these limitations, we propose the Dense Competitive Representations SAM (DCR-SAM) framework. By decoupling cross-modal interactions, the proposed method alleviates the inference latency. To resolve semantic misclassifications, DCR-SAM dynamically aligns textual concepts with visual representations and incorporates a dense competition head to enforce explicit inter-class competition. Furthermore, a learnable background token is applied to absorb non-target objects dynamically. These mechanisms effectively suppress overlapping predictions and generate high-fidelity masks. Extensive experimental evaluations across multiple benchmarks demonstrate that the proposed framework: (1) achieves a 2.3% $\sim$ 10.7% performance improvement over state-of-the-art methods, (2) delivers a 33$\times$ inference speedup compared to the native SAM3, and (3) exhibits strong robustness across diverse scenarios.
• Abstract（参考訳）: Segment Anything Model 3 (SAM3)は、短い名詞句を処理し、ユニークなインスタンス識別子を持つセグメンテーションマスクを生成することで、Promptable Concept Segmentation (PCS)において大きな進歩を遂げた。 SAM3は単一概念のセグメンテーションにおいて優れているが、複数の概念を同時にセグメンテーションする必要がある複雑な実世界の環境では不足している。 特にSAM3は通常、セマンティックな重複を伴う概念の同時処理に失敗し、セマンティックな誤分類と冗長なマスク予測につながる。 さらに、概念の数が増加するにつれて、独立した推論パラダイムは、禁断的な推論レイテンシを導入します。 これらの制約に対処するため,Dense Competitive Representations SAM (DCR-SAM) フレームワークを提案する。 モーダル間相互作用を分離することにより、提案手法は推論遅延を緩和する。 意味的誤分類を解決するため、DCR-SAMはテキストの概念を視覚的表現と動的に整合させ、厳密な競合ヘッドを組み込んで明示的なクラス間競争を強制する。 さらに、学習可能な背景トークンを適用して、非ターゲットオブジェクトを動的に吸収する。 これらの機構は重なり合う予測を効果的に抑制し、高忠実度マスクを生成する。 1)最先端のメソッドよりも2.3%$\sim$ 10.7%のパフォーマンス向上、(2)ネイティブのSAM3に比べて33$\times$推論のスピードアップ、(3)さまざまなシナリオで強い堅牢性を示す。

関連論文リスト

• EOVSAM: Efficient Open-Vocabulary Segmentation with SAM 3 in One Pass [79.69317943751223]
  SAM 3 (EOVSAM) を用いた効率的な開語彙セグメンテーションフレームワークを提案する。 EOVSAMはSAM 3をシングルパス予測に適応させる。 評価されたすべてのデータセットにおいて、バニラSAM 3よりもセグメンテーション精度が一貫して向上する。
  論文  参考訳（メタデータ） (2026-08-03T14:15:37Z)
• Tarot-SAM3: Training-free SAM3 for Any Referring Expression Segmentation [18.568343383992072]
  Tarot-SAM3は、任意の参照式から正確にセグメンテーションできる、トレーニング不要のフレームワークである。 Tarot-SAM3は2つの重要なフェーズで構成されている。第一に、推論補助的なプロンプトオプションを導入するReasoning Expression Interpreter (ERI) フェーズである。 第2に、マスク自己精製(MSR)フェーズは、プロンプトタイプにまたがる最高のマスクを選択し、自己精製を行う。
  論文  参考訳（メタデータ） (2026-04-09T07:37:09Z)
• The SAM2-to-SAM3 Gap in the Segment Anything Model Family: Why Prompt-Based Expertise Fails in Concept-Driven Image Segmentation [3.7414278978078204]
  本稿では,最新のセグメンテーションモデルであるSAM2とSAM3の基本的な不連続性について検討する。 SAM2のプロンプトベースセグメンテーションの専門知識がSAM3のマルチモーダルな概念駆動パラダイムに移行しない理由を説明する。
  論文  参考訳（メタデータ） (2025-12-04T16:27:18Z)
• SAM3-I: Segment Anything with Instructions [86.92593395772029]
  SAM3-Iは概念レベルの理解と命令レベルの推論をSAMファミリー内で統合する拡張フレームワークである。 我々は,概念,単純かつ複雑なレベルにまたがる構造的命令分類を設計し,多様な命令マスク対を持つデータセットを構築するためのスケーラブルなデータエンジンを開発する。
  論文  参考訳（メタデータ） (2025-12-04T09:00:25Z)
• Evaluating SAM2 for Video Semantic Segmentation [60.157605818225186]
  Anything Model 2 (SAM2)は、画像とビデオの両方において、迅速な視覚オブジェクトのセグメンテーションのための強力な基盤モデルであることが証明されている。 本稿では, SAM2 から高密度ビデオセマンティック (VSS) への拡張について検討する。 我々の実験は、SAM2を利用することでVSSの全体的な性能が向上することを示唆している。
  論文  参考訳（メタデータ） (2025-12-01T15:15:16Z)
• Vanish into Thin Air: Cross-prompt Universal Adversarial Attacks for SAM2 [48.71856814549096]
  UAP-SAM2は,2つの意味的偏差によって駆動されるSAM2に対する最初のクロスプロンプト的普遍的敵攻撃である。 UAP-SAM2は, 最先端(SOTA)攻撃に対して, 大差で有意に優れていた。
  論文  参考訳（メタデータ） (2025-10-28T08:59:11Z)
• Effective SAM Combination for Open-Vocabulary Semantic Segmentation [24.126307031048203]
  Open-vocabulary semantic segmentationは、無制限のクラスにわたる画像にピクセルレベルのラベルを割り当てることを目的としている。 ESC-Netは、SAMデコーダブロックを利用してクラスに依存しないセグメンテーションを行う新しい1段オープン語彙セグメンテーションモデルである。 ESC-NetはADE20K、PASCAL-VOC、PASCAL-Contextなどの標準ベンチマークで優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-11-22T04:36:12Z)
• Stable Segment Anything Model [79.9005670886038]
  SAM(Segment Anything Model)は、高品質なプロンプトが与えられた場合、顕著に迅速なセグメンテーションを実現する。 本稿では,SAMのセグメンテーション安定性について,多様なプロンプト特性のスペクトルにわたって包括的解析を行った。 1)SAMのセグメンテーション安定性を広範囲に改善し,2)SAMの強力なセグメンテーション効率と一般化を維持した。
  論文  参考訳（メタデータ） (2023-11-27T12:51:42Z)

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。