論文の概要: CellTrack-Bench: Microscopic Cell Tracking Benchmark for Vision-Language Models

• arxiv url: http://arxiv.org/abs/2610.31566v1
• Date: Thu, 22 Oct 2026 17:09:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.490257
• Title: CellTrack-Bench: Microscopic Cell Tracking Benchmark for Vision-Language Models
• Title（参考訳）: CellTrack-Bench:視覚言語モデルのための顕微鏡細胞追跡ベンチマーク
• Abstract要約: 大規模言語モデルは、コーディング、数学、書き込みといったテキスト優先のタスクで優れたパフォーマンスを示している。 近年の取り組みは、テキスト以外の高度に専門化された領域にしばしば存在する科学的問題を含むように、モデルのトレーニングをシフトさせている。 これを評価するため、我々は新しいベンチマークCellTrack-Benchを作成し、Vision-Language Modelsの細胞追跡関連性能を評価する。
• 参考スコア（独自算出の注目度）: 1.3356260369011272
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Large language models have shown outstanding performance on text-first tasks such as coding, math, and writing. Recent efforts are shifting models' training to include scientific problems that often live in highly specialized domains beyond text, such as protein structure and biological images. However, in these scenarios, their general-purpose accuracy compared with specialized algorithms remains in question. One such domain is cell tracking, which requires spatiotemporal awareness of cell dynamics. To evaluate this, we created a new benchmark, CellTrack-Bench, which assesses Vision-Language Models' (VLMs) cell-tracking-related performance against specialized trackers. The full benchmark draws from 15 standard cell-tracking datasets across four imaging modalities and comprises 1,537 problems corresponding to 9,041 cell-linking decisions. We selected a hard subset requiring greater reasoning effort by identifying failures shared across distinct algorithmic trackers. With this proposed dataset, we: (i) evaluated different environment harnesses for VLMs; (ii) benchmarked 9 frontier closed-source models and 13 open-weight models; and (iii) provided a detailed analysis of their failure modes. Code, the stored model outputs, and a pipeline that regenerates the benchmark from the source datasets are available at https://github.com/royerlab/celltrack-bench.
• Abstract（参考訳）: 大規模言語モデルは、コーディング、数学、書き込みといったテキスト優先のタスクで優れたパフォーマンスを示している。 近年の取り組みは、タンパク質構造や生物学的画像など、テキスト以外の高度に専門化された領域にしばしば存在する科学的な問題を含むように、モデルのトレーニングをシフトさせている。 しかし、これらのシナリオでは、特殊アルゴリズムと比較して汎用的な精度が疑問視されている。 そのようなドメインの1つは細胞追跡であり、細胞動態の時空間的認識を必要とする。 そこで我々は,VLM(Vision-Language Models)細胞追跡関連性能を特殊なトラッカーに対して評価するベンチマークCellTrack-Benchを開発した。 完全なベンチマークは、4つの画像モダリティにわたる15の標準的なセル追跡データセットから作成され、9,041のセルリンク決定に対応する1,537の問題を解決する。 我々は、異なるアルゴリズムトラッカー間で共有される障害を特定することによって、より深い推論作業を必要とするハードサブセットを選択した。 この提案されたデータセットでは、以下のとおりです。 (i)VLMの異なる環境ハーネスの評価 (ii)9つのフロンティアクローズドソースモデルと13個のオープンウェイトモデルをベンチマークした。 (iii) 障害モードの詳細な分析を行った。 コード、ストアドモデル出力、ソースデータセットからベンチマークを再生するパイプラインはhttps://github.com/royerlab/celltrack-bench.orgで公開されている。

関連論文リスト

• RAGTrack: Language-aware RGBT Tracking with Retrieval-Augmented Generation [71.2136732268131]
  RGB-Thermal(RGBT)トラッキングは、多様な環境条件をまたいだ堅牢なオブジェクトローカライゼーションを実現することを目的としている。 既存のRGBTトラッカーは、ターゲットモデリングのための初期フレームの視覚情報のみに依存している。 堅牢なRGBTトラッキングのための新しい検索拡張フレームワークであるRAGTrackを提案する。
  論文  参考訳（メタデータ） (2026-03-04T01:02:04Z)
• Vision-G1: Towards General Vision Language Reasoning with Multi-Domain Data Curation [64.23194519770897]
  8次元にわたる46のデータソースから、総合的なRL対応のビジュアル推論データセットを構築します。 このデータセットから高品質なトレーニングサンプルを識別するために,影響関数に基づくデータ選択と難易度に基づくフィルタリング手法を提案する。 我々はVLM(Vision-G1)をデータカリキュラム付きマルチラウンドRLを用いて訓練し、その視覚的推論能力を反復的に改善する。
  論文  参考訳（メタデータ） (2025-08-18T07:24:33Z)
• GEOBench-VLM: Benchmarking Vision-Language Models for Geospatial Tasks [84.86699025256705]
  本稿では,地理空間的タスクの視覚言語モデル(VLM)を評価するためのベンチマークであるGEOBench-VLMを提案する。 私たちのベンチマークでは、手動で検証された命令が1万以上あり、さまざまな視覚条件、オブジェクトタイプ、スケールにまたがっています。 地理空間固有の課題における性能を評価するために,いくつかの最先端のVLMを評価した。
  論文  参考訳（メタデータ） (2024-11-28T18:59:56Z)
• Trackastra: Transformer-based cell tracking for live-cell microscopy [0.0]
  Trackastraは、単純なトランスフォーマーアーキテクチャを使って、細胞同士の相互関連を学習する汎用的な細胞追跡手法である。 我々の追跡手法は、高度に調整された最先端の細胞追跡アルゴリズムに匹敵する性能を示す。
  論文  参考訳（メタデータ） (2024-05-24T16:44:22Z)
• Cell Tracking-by-detection using Elliptical Bounding Boxes [0.0]
  本研究は,古典的トラッキング・バイ・検出パラダイムに基づく新しいアプローチを提案する。 細胞形状を指向性楕円体として近似し、汎用指向性物体検出器を用いて各フレーム内の細胞を識別する。 提案手法は,最先端技術と競合して検出・追跡できることを示す。
  論文  参考訳（メタデータ） (2023-10-07T18:47:17Z)
• Transforming Model Prediction for Tracking [109.08417327309937]
  トランスフォーマーは、誘導バイアスの少ないグローバルな関係を捉え、より強力なターゲットモデルの予測を学ぶことができる。 提案したトラッカーをエンドツーエンドにトレーニングし、複数のトラッカーデータセットに関する総合的な実験を行うことで、その性能を検証する。 我々のトラッカーは3つのベンチマークで新しい技術状態を設定し、挑戦的なLaSOTデータセットで68.5%のAUCを達成した。
  論文  参考訳（メタデータ） (2022-03-21T17:59:40Z)
• Learning Dynamic Compact Memory Embedding for Deformable Visual Object Tracking [82.34356879078955]
  本稿では,セグメント化に基づく変形可能な視覚追跡手法の識別を強化するために,コンパクトなメモリ埋め込みを提案する。 DAVIS 2017ベンチマークでは,D3SやSiamMaskなどのセグメンテーションベースのトラッカーよりも優れている。
  論文  参考訳（メタデータ） (2021-11-23T03:07:12Z)
• Cell Segmentation and Tracking using CNN-Based Distance Predictions and a Graph-Based Matching Strategy [0.20999222360659608]
  顕微鏡画像における触覚細胞のセグメンテーション法を提案する。 距離マップにインスパイアされた新しい細胞境界の表現を用いることで, 触覚細胞だけでなく, 近接細胞をトレーニングプロセスで利用することができる。 この表現は、特にアノテーションエラーに対して堅牢であり、未表現または未含の細胞型を含むトレーニングデータに含まれる顕微鏡画像のセグメンテーションに対して有望な結果を示す。
  論文  参考訳（メタデータ） (2020-04-03T11:55:28Z)

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。