論文の概要: Single-Annotation, Multi-Hypothesis Segmentation with Semantic-Spatial Residual Banks

• arxiv url: http://arxiv.org/abs/2610.41069v1
• Date: Thu, 29 Oct 2026 23:32:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.552301
• Title: Single-Annotation, Multi-Hypothesis Segmentation with Semantic-Spatial Residual Banks
• Title（参考訳）: 意味的-空間的残差銀行を用いた単一アノテーション・多相セグメンテーション
• Abstract要約: 単一アノテーションによるマルチハイブリッドセグメンテーションについて検討する。 各トレーニングイメージは1つの固定マスクを公開するが、モデルは保持された人間のアノテーションをカバーする有限バンクを返す必要がある。 本研究では,セマンティック・空間残差銀行(SSRB)を導入し,バランスの取れた課題を訓練したセマンティックバンクを凍結し,各仮説から残差を学習する。
• 参考スコア（独自算出の注目度）: 0.5249805590164902
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-rater segmentation datasets show that a single image can admit several valid masks, yet most training sets expose only one annotation per image. We study single-annotation multi-hypothesis segmentation: each training image exposes one fixed mask, while the model must return a finite bank that covers held-out human annotations at test time. Our experiments reveal a representation tradeoff. Banks learned directly from images recover variations in local boundaries and extent but lose structural hypotheses, whereas frozen semantic features preserve structural grouping but underrepresent spatial variation. We introduce the Semantic-Spatial Residual Bank (SSRB), which freezes a semantic bank trained with balanced assignments and learns a residual from the image for each hypothesis. Across five medical endpoints, SSRB improves coverage of held-out masks at $K=8$ over a Probabilistic U-Net under the same one-mask constraint. On LIDC and LIDC-hard, it also produces substantially more distinct useful masks. On BSDS, it preserves the semantic bank's performance in grouping regions. Its advantage grows as more masks are returned, showing that residuals learned for corresponding heads improve coverage of local annotation variation while preserving how regions are grouped.
• Abstract（参考訳）: マルチレイタセグメンテーションデータセットは、1つのイメージが複数の有効なマスクを許容できることを示しているが、ほとんどのトレーニングセットは1つのイメージに1つのアノテーションしか公開していない。 各トレーニング画像は1つの固定マスクを露出し、モデルはテスト時に保持された人間のアノテーションをカバーする有限バンクを返さなければならない。 私たちの実験は表現のトレードオフを明らかにします。 画像から直接学習したバンクは、局所的な境界や範囲の変動を回復するが、構造的仮説は失われる。 本研究では,セマンティック・空間残差銀行(SSRB)を導入し,バランスの取れた課題を訓練したセマンティックバンクを凍結し,各仮説から残差を学習する。 5つの医療エンドポイントにわたって、SSRBは、同じ1マスクの制約の下で確率的U-Net上でのホールドアウトマスクのカバレッジをK=8$で改善する。 LIDCおよびLIDCハードでは、より明確な有用なマスクも生成する。 BSDSでは、グループ化領域におけるセマンティックバンクのパフォーマンスを保っている。 その利点は、より多くのマスクが返されるにつれて増大し、対応する頭部で学んだ残余が、どのように領域がグループ化されているかを保持しながら、局所的なアノテーションの変化のカバレッジを改善することを示す。

関連論文リスト

• The hidden advantage of mask resampling: a theory of masked autoencoders [14.798212142764946]
  仮面の予測は、仮面の復元が失敗する有用な表現を学習する。 マスク付きリニア再構築は,未成熟リニア再構築が失敗するレジームにおいて,リニア・サンプルの複雑さで潜伏した特徴を回復できることを実証する。
  論文  参考訳（メタデータ） (2026-10-01T12:35:38Z)
• S$^3$POT: Contrast-Driven Face Occlusion Segmentation via Self-Supervised Prompt Learning [46.05577414378133]
  S$3$POTは、自己教師付き空間的プロンプトによる顔生成を相乗化するためのコントラスト駆動型フレームワークである。 特に、S$3$POTは、参照生成、機能拡張、Prompt Selectionの3つのモジュールで構成されている。 専用のデータセットの実験では、S$3$POTの優れたパフォーマンスと各モジュールの有効性が示されている。
  論文  参考訳（メタデータ） (2026-01-31T10:05:13Z)
• MaskAnyNet: Rethinking Masked Image Regions as Valuable Information in Supervised Learning [7.222969785370652]
  MaskAnyNetは、マスキングと再学習メカニズムを組み合わせることで、可視情報とマスキング情報の両方を活用する。 CNNとTransformerのバックボーンの実験は、複数のベンチマークで一貫した利得を示している。
  論文  参考訳（メタデータ） (2025-11-16T07:11:33Z)
• SeqSAM: Autoregressive Multiple Hypothesis Prediction for Medical Image Segmentation using SAM [8.525516300734024]
  複数のマスクを生成するためのシーケンシャルでRNNにインスパイアされたアプローチであるSeqSAMを紹介する。 2つの公開データセットで生成された各マスクの品質が顕著に向上したことを示す。
  論文  参考訳（メタデータ） (2025-03-12T20:01:52Z)
• MaskInversion: Localized Embeddings via Optimization of Explainability Maps [49.50785637749757]
  MaskInversionは、テスト時にマスクによって指定されたクエリ画像領域に対するコンテキスト認識の埋め込みを生成する。 オープン語彙のクラス検索、表現理解の参照、局所的なキャプションや画像生成など、幅広いタスクに使用することができる。
  論文  参考訳（メタデータ） (2024-07-29T14:21:07Z)
• FlowSDF: Flow Matching for Medical Image Segmentation Using Distance Transforms [60.195642571004804]
  本稿では,セグメンテーションマスクの暗黙分布を表現するために,画像誘導型条件付きフローマッチングフレームワークであるFlowSDFを紹介する。 本フレームワークは,セグメンテーションマスクの正確なサンプリングと関連する統計指標の計算を可能にする。
  論文  参考訳（メタデータ） (2024-05-28T11:47:12Z)
• Open-Vocabulary Segmentation with Unpaired Mask-Text Supervision [87.15580604023555]
  Unpair-Segは、弱制御されたオープン語彙セグメンテーションフレームワークである。 未ペア画像マスクと画像テキストペアから学習し、独立して効率的に収集することができる。 ADE-847とPASCAL Context-459データセットで14.6%と19.5%のmIoUを達成した。
  論文  参考訳（メタデータ） (2024-02-14T06:01:44Z)
• Open-Vocabulary Instance Segmentation via Robust Cross-Modal Pseudo-Labeling [61.03262873980619]
  Open-vocabularyのインスタンスセグメンテーションは、マスクアノテーションなしで新しいクラスをセグメンテーションすることを目的としている。 本研究では,字幕内の単語の意味を画像中のオブジェクトマスクの視覚的特徴と整合させることで,擬似マスクの訓練を行うクロスモーダルな擬似ラベルフレームワークを提案する。 我々のフレームワークは、生徒の自己学習のための単語意味論を通じて、キャプションに新しいクラスをラベル付けすることができる。
  論文  参考訳（メタデータ） (2021-11-24T18:50:47Z)
• Improving Self-supervised Pre-training via a Fully-Explored Masked Language Model [57.77981008219654]
  Masked Language Model (MLM)フレームワークは、自己教師型言語事前学習に広く採用されている。 そこで本研究では,テキストシーケンスを複数の非重複セグメントに分割するマスキング手法を提案する。
  論文  参考訳（メタデータ） (2020-10-12T21:28:14Z)

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。