Ant Group、ARGenSeg-8Bを提案:自己回帰画像生成モデルに基づく画像セグメンテーションフレームワーク
原題:inclusionAI/ARGenSeg-8B
AI 要約
Ant Groupは、マルチモーダル理解とピクセルレベルの知覚を統合した自己回帰画像生成セグメンテーションフレームワークARGenSeg-8Bを発表した。マルチモーダル大規模言語モデル(MLLM)が視覚トークンを出力し、汎用VQ-VAEでセグメンテーションマスクにデコードすることで、セグメンテーションを完全にMLLMのピクセルレベル理解に依存させる。next-scale-prediction戦略を採用して視覚トークンを並列生成し、推論遅延を低減する。複数のセグメンテーションデータセットで従来の最良手法を上回り、推論速度も大幅に向上した。論文はNeurIPS 2025に採択され、モデルはHuggingFaceで公開されている。
要点
- Ant Groupは、マルチモーダル理解とピクセルレベルの知覚を統合した自己回帰画像生成セグメンテーションフレームワークARGenSeg-8Bを発表した。
- マルチモーダル大規模言語モデル(MLLM)が視覚トークンを出力し、汎用VQ-VAEでセグメンテーションマスクにデコードすることで、セグメンテーションを完全にMLLMのピクセルレベル理解に依存させる。
- next-scale-prediction戦略を採用して視覚トークンを並列生成し、推論遅延を低減する。
- 複数のセグメンテーションデータセットで従来の最良手法を上回り、推論速度も大幅に向上した。
- 論文はNeurIPS 2025に採択され、モデルはHuggingFaceで公開されている
概要
- 公開日時
- 更新日時
- カテゴリ
- モデル公開
- AI スコア
- 56
おすすめの理由
蚂蚁提出用自回归生成做分割,把理解和像素级感知统一到一个框架里,多个数据集SOTA且速度更快,做CV的值得看看。
関連エンティティ
出典と著作権
本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。
引用方法
本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。
Orange News:Ant Group、ARGenSeg-8Bを提案:自己回帰画像生成モデルに基づく画像セグメンテーションフレームワーク。2026年5月15日。https://new.nat6.net/ja/news/cmp6c0i6i00nbslnzm1hefdiu/