Search research articles

お問い合わせ

JoVEについて

概要リーダーシップブログ JoVEヘルプセンター

著者向け

出版プロセス編集委員会範囲と方針査読よくある質問投稿

図書館員向け

推薦の声購読アクセスリソース図書館諮問委員会よくある質問

研究

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments アーカイブ

教育

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual 教員リソースセンター教員サイト

プライバシーポリシー

関連する概念動画

Stereotype Content Model

Stereotype Content Model

The Stereotype Content Model (SCM) was first proposed by Susan Fiske and her colleagues (Fiske, Cuddy, Glick & Xu, 2002; see also Fiske, 2012 and Fiske, 2017). The SCM specifies that when someone encounters a new group, they will stereotype them based on two metrics: warmth—or that group’s perceived intent, and how likely they are to provide help or inflict harm—and competence—or their ability to carry out that objective. Depending on the warmth-competence...

Self-Evaluation Maintenance Model

Self-Evaluation Maintenance Model

The Self-Evaluation Maintenance (SEM) model offers a psychological framework to understand how individuals’ self-esteem is influenced by the achievements of others, particularly those with whom they share close personal bonds. The SEM model operates when personal rather than social identity guides individuals. Central to this model is the notion that individuals have an inherent desire to preserve a favorable self-image, which is continuously shaped by interpersonal comparisons and...

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え

Same author

Effectiveness of Family Physician-Led Home-Based Long-Term Care on Quality of Life in Older Adults With Disability: A Quasi-Experimental Study.

Journal of the American Medical Directors Association·2026

Same author

Cubosomes with pH-triggered cubic phase transition enable cytosolic mRNA delivery for acute respiratory distress syndrome therapy.

Journal of controlled release : official journal of the Controlled Release Society·2026

Same author

STELLAR: A flexible ensemble learning framework integrating rare variants to enhance polygenic risk prediction.

medRxiv : the preprint server for health sciences·2026

Same author

Biomass-Derived Hydrogels for Load-Bearing Connective Tissue Repair: Integrative Reinforcement, Bio-Functional Design, and Emerging Pathways Toward Clinical Translation.

Advanced healthcare materials·2026

Same author

A PEI-Based Surface Strategy for Robust <b><sup>177</sup></b>Lu Incorporation into Biodegradable Chitosan Microspheres: A Potential Platform for Hepatocellular Carcinoma Radioembolization.

Biomacromolecules·2026

Same author

Monolithic Integration of Carbon Nanotube-Based Complementary Field-Effect Transistors with 3D-Stacked Photodiodes for Unified Sensing and Computing.

ACS nano·2026

Same journal

TraNce: Type-aware hypergraph neural network with biological mediators for drug repositioning.

Neural networks : the official journal of the International Neural Network Society·2026

Same journal

Decentralized ADMM for factorization-based Low-rank matrix estimation.

Neural networks : the official journal of the International Neural Network Society·2026

Same journal

Memristive neuromorphic circuit design inspired by the neural mechanisms of conditioned fear.

Neural networks : the official journal of the International Neural Network Society·2026

Same journal

Q-learning based asynchronous Boolean control networks stabilization with data loss.

Neural networks : the official journal of the International Neural Network Society·2026

Same journal

New results on prescribed-time synchronization of complex networks via intermittent control.

Neural networks : the official journal of the International Neural Network Society·2026

Same journal

Variance-constrained multi-view ensemble broad network for imbalanced data.

Neural networks : the official journal of the International Neural Network Society·2026

関連記事をすべて見る

Search research articles

関連する実験動画

Updated: May 5, 2026

From Voxels to Knowledge: A Practical Guide to the Segmentation of Complex Electron Microscopy 3D-Data

From Voxels to Knowledge: A Practical Guide to the Segmentation of Complex Electron Microscopy 3D-Data

Published on: August 13, 2014

RefSAM:ビデオオブジェクトセグメンテーションを参照するためのセグメンテーションモデルを効率的に適応する

Yonglin Li¹, Jing Zhang², Xiao Teng¹

¹College of Computer Science and Technology, National University of Defense Technology, Changsha, 410073, China.

Neural networks : the official journal of the International Neural Network Society

|August 25, 2025

まとめ

この要約は機械生成です。

RefSAMモデルは,マルチビューとマルチモダルの情報を統合することにより,ビデオオブジェクトセグメンテーション (RVOS) を参照するためのセグメントAnythingモデル (SAM) を強化します. このアプローチは,言語と視覚的な特徴を効果的に融合させることで,セグメンテーションの精度を向上させます.

キーワード:

マルチモダルの学習オブジェクトのセグメンテーション何でもセグメントビジョン・トランスフォーマー

さらに関連する動画

Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment

Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment

Published on: May 7, 2019

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

関連する実験動画

Last Updated: May 5, 2026

From Voxels to Knowledge: A Practical Guide to the Segmentation of Complex Electron Microscopy 3D-Data

From Voxels to Knowledge: A Practical Guide to the Segmentation of Complex Electron Microscopy 3D-Data

Published on: August 13, 2014

Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment

Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment

Published on: May 7, 2019

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

科学分野:

コンピュータ・ビジョン
人工知能
機械学習

背景:

Segment Anything Model (SAM) は強力な画像セグメンテーション機能を示していますが,参照ビデオオブジェクトセグメンテーション (RVOS) に苦労しています.
既存のRVOSの方法は,しばしば正確なユーザープロンプトを必要とし,堅固なマルチモダル理解 (言語と視覚) を欠いています.

研究の目的:

SAMを効率的な参照ビデオオブジェクトセグメンテーション (RVOS) に適応させる.
連続したビデオフレームから様々な視覚的,言語的情報を統合することによって,クロスモダリティの学習を強化します.

主な方法:

レフSAMモデルを導入し,テキストから埋め込みプロジェクションのためのクロスモダルMLPでSAMを適応させた.
ビジュアル・セマンティック情報と散らばった埋め込みを融合させるための階層的な集中注意モジュールを開発しました.
歴史的なコンテキストのための暗黙の追跡モジュールと,機能の整合のためのパラメータ効率的なチューニング戦略を組み込んだ.

主要な成果:

RefSAMは,さまざまなモダリティと連続したフレームからのマルチビュー情報を効果的に組み込みます.
このモデルは,既存の方法と比較して,RVOSのタスクに優れたパフォーマンスを示しています.
消去試験は,提案された設計選択の有効性を確認します.

結論:

RefSAMは,参照ビデオオブジェクトセグメンテーションのためのSAMのアプリケーションを大幅に進めている.
モデルがマルチモダルの情報を統合し,時間的な文脈を活用する能力は,RVOSの強力な解決策を提供します.