ノイズのあるプロンプトから学ぶ：SAM向けのサリエンシー誘導プロンプト蒸留による頑健なセグメンテーション
arXiv cs.CV / 2026/4/28
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、医療画像におけるSAMの重要な制約として、臨床現場で一般的な弱い・汎用的・ノイズの多いプロンプトのもとではゼロショットのセグメンテーションが破綻し得る点を問題提起しています。
- 提案手法SPD（Saliency-Guided Prompt Distillation）は、軽量なサリエンシー・ヘッドで解剖学的な事前知識を学習し、より信頼できるローカライズ誘導を得る仕組みです。
- SPDはContextual Prompt Distillationにより、解剖学的に隣接するスライスからの手がかりを活用してノイズのあるプロンプトを検証・補強し、専門家の推論に近い挙動を目指すコンセンサス・プロンプト集合を形成します。
- Pairwise Slice Consistencyの目的が、局所的な解剖学的一貫性をセグメンテーション中に強く促し、領域だけでなく境界の精度も改善します。
- 4つの難易度の高いMRI/CTベンチマークで、SPDは既存のSAM適応や教師あり基線を一貫して上回り、多様な評価指標で大きな改善を示しました。
