要旨 少数ショットセグメンテーションでは通常、密なサポート–クエリ類似度から物体の範囲を推定し、意味的判断の後に空間的一貫性が形成されることを期待する。これに対し、本研究では境界優先型ワンショットセグメンテーションを定式化する。これは、サポート条件付きの同一性判定に先立って、クエリ内に閉領域を構築する手法である。Unified Boundary Evidence Transport（UBET）は、領域仮説と自己教師ありの内部・境界・外部の証拠を組み合わせることにより、タスク固有の訓練を行わずにこの処理順序を実現する。本定式化は特定の領域提案モデルに依存しない。SAM2、視覚情報のみを用いるSAM3、拡散および深度境界、スーパーピクセル、Cannyエッジ、Felzenszwalb領域を用いて実装した。全評価を通じて、自然画像、動画、医用画像のセグメンテーションにおいてUBETを検証するとともに、代替的な境界生成手法により、この推論順序の移植可能性を検証した。条件を揃えた評価では、UBET（SAM2）は前景の平均Intersection-over-Union（mIoU）について、PASCAL-5ᶦで73.34％、COCO-20ᶦで59.34％、FSS-1000で87.24％を達成し、UBET（SAM3）はPASCAL-5ᶦで83.19％に到達した。7つのベンチマークにわたる評価、条件を揃えた判断順序への介入、および候補オラクル分析により、境界優先型推論が、空間的一貫性を備えたワンショットセグメンテーションのための拡張可能かつ訓練不要なパラダイムであることが裏付けられた。コードはGitHubで公開されている。
https://doi.org/10.21203/rs.3.rs-10886301/v1