ConceptSeg-R1: Apprendimento per Rinforzo Meta per la Segmentazione di Concetti
Un nuovo framework di IA, ConceptSeg-R1, propone un approccio di meta-apprendimento per rinforzo per segmentare concetti visivi oltre il riconoscimento a livello di oggetto. Il metodo formalizza la segmentazione dei concetti tramite una tassonomia a tre livelli: concetti indipendenti dal contesto, dipendenti dal contesto e di ragionamento contestuale. Utilizza Meta-GRPO per apprendere regole di compito trasferibili da dimostrazioni e verificarle tramite ragionamento proxy. Il lavoro affronta la nozione sottospecificata di 'concetto' negli attuali modelli di segmentazione basati su prompt, con l'obiettivo di generalizzare attraverso livelli di complessità cognitiva. L'articolo è pubblicato su arXiv con ID 2605.20385.
Fatti principali
- ConceptSeg-R1 è un framework unificato per la segmentazione di concetti.
- Utilizza Meta-GRPO, un meccanismo di meta-apprendimento per rinforzo.
- La tassonomia include concetti indipendenti dal contesto, dipendenti dal contesto e di ragionamento contestuale.
- Il metodo apprende regole di compito trasferibili da dimostrazioni visive.
- Verifica le regole tramite ragionamento proxy.
- L'articolo è su arXiv con ID 2605.20385.
- Affronta il divario negli attuali modelli di segmentazione basati su prompt.
- Il lavoro mira a generalizzare oltre il riconoscimento di categorie.
Entità
Istituzioni
- arXiv