論文の概要: SCALP: Superpixels with Contour Adherence using Linear Path

• arxiv url: http://arxiv.org/abs/1903.07149v2
• Date: Wed, 17 Sep 2025 15:19:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.472488
• Title: SCALP: Superpixels with Contour Adherence using Linear Path
• Title（参考訳）: SCALP:リニアパスを用いた輪郭アヒーレンス付きスーパーピクセル
• Authors: Rémi Giraud, Vinh-Thong Ta, Nicolas Papadakis,
• Abstract要約: 本稿では,反復クラスタリングフレームワークにおける線形パス (SCALP) を用いたコントラルアジェンスを用いたスーパーピクセルの高速計算法を提案する。 提案したフレームワークは、輪郭の輪郭に固執するコンパクトでスーパーピクセルを生成する。
• 参考スコア（独自算出の注目度）: 5.746869663956391
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Superpixel decomposition methods are generally used as a pre-processing step to speed up image processing tasks. They group the pixels of an image into homogeneous regions while trying to respect existing contours. For all state-of-the-art superpixel decomposition methods, a trade-off is made between 1) computational time, 2) adherence to image contours and 3) regularity and compactness of the decomposition. In this paper, we propose a fast method to compute Superpixels with Contour Adherence using Linear Path (SCALP) in an iterative clustering framework. The distance computed when trying to associate a pixel to a superpixel during the clustering is enhanced by considering the linear path to the superpixel barycenter. The proposed framework produces regular and compact superpixels that adhere to the image contours. We provide a detailed evaluation of SCALP on the standard Berkeley Segmentation Dataset. The obtained results outperform state-of-the-art methods in terms of standard superpixel and contour detection metrics.
• Abstract（参考訳）: 超画素分解法は、画像処理タスクを高速化するための前処理ステップとして一般的に用いられている。 彼らは、画像のピクセルを、既存の輪郭を尊重しながら均質な領域に分類する。 すべての最先端のスーパーピクセル分解法では、トレードオフが行われる。 1)計算時間 2【画像の輪郭の遵守】 3) 分解の正則性とコンパクト性。 本稿では,反復クラスタリングフレームワークにおける線形パス(SCALP)を用いたコントラルアジェンスを用いた高速なスーパーピクセル計算法を提案する。 クラスタリング中に画素をスーパーピクセルに関連付けようとするときに計算される距離は、スーパーピクセルバリセンタへの線形経路を考慮することにより向上する。 提案フレームワークは、画像の輪郭に忠実な、規則的でコンパクトなスーパーピクセルを生成する。 標準バークレーセグメンテーションデータセット上でSCALPの詳細な評価を行う。 得られた結果は、標準的なスーパーピクセルと輪郭検出の指標で、最先端の手法より優れている。

関連論文リスト

• Hierarchical Superpixel Segmentation via Structural Information Theory [48.488598357738674]
  スーパーピクセルセグメンテーションは多くの高レベルのコンピュータビジョンタスクの基礎となっている。 構造情報理論に基づく階層的スーパーピクセルセグメンテーション手法であるSIT-HSSを提案する。 SIT-HSSは、最先端の教師なしスーパーピクセルセグメンテーションアルゴリズムよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2025-01-13T05:39:43Z)
• Image Reconstruction using Superpixel Clustering and Tensor Completion [21.088385725444944]
  本手法では,重要なテクスチャやセマンティクスを捉えた複数の領域に分割し,各領域から代表画素を選択して保存する。 本稿では,2つのスムーズなテンソル補完アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-05-16T16:00:48Z)
• Efficient Multiscale Object-based Superpixel Framework [62.48475585798724]
  我々は,SICLE(Iterative CLEarcutting)によるスーパーピクセルという,新しいスーパーピクセルフレームワークを提案する。 SICLEは、複数スケールのセグメンテーションをオンザフライで生成できるオブジェクト情報を利用する。 これは最近のスーパーピクセル法を一般化し、複数のデライン化指標に従って効率と効率性に関する最先端のアプローチを超越している。
  論文  参考訳（メタデータ） (2022-04-07T15:59:38Z)
• Saliency Enhancement using Superpixel Similarity [77.34726150561087]
  Saliency Object Detection (SOD) は画像解析にいくつかの応用がある。 深層学習に基づくSOD法は最も効果的であるが、類似した色を持つ前景の部品を見逃すことがある。 スーパーピクセル類似性(SESS)に対するtextitSaliency Enhancement というポストプロセッシング手法を導入する。 我々は,SESSが5つの画像データセット上での3つのディープラーニングに基づくSOD手法の結果を連続的に,かつ著しく改善できることを実証した。
  論文  参考訳（メタデータ） (2021-12-01T17:22:54Z)
• Implicit Integration of Superpixel Segmentation into Fully Convolutional Networks [11.696069523681178]
  スーパーピクセル方式をCNNに暗黙的に統合する方法を提案する。 提案手法では,下地層に画素を階層的にグループ化し,スーパーピクセルを生成する。 本手法は,セマンティックセグメンテーション,スーパーピクセルセグメンテーション,モノクル深度推定などのタスクで評価する。
  論文  参考訳（メタデータ） (2021-03-05T02:20:26Z)
• AINet: Association Implantation for Superpixel Segmentation [82.21559299694555]
  今回提案する新しいtextbfAssociation textbfImplantation(AI)モジュールは、ネットワークがピクセルとその周辺グリッド間の関係を明示的にキャプチャすることを可能にする。 本手法は最先端性能を実現するだけでなく,十分な推論効率を維持することができた。
  論文  参考訳（メタデータ） (2021-01-26T10:40:13Z)
• Superpixel Segmentation Based on Spatially Constrained Subspace Clustering [57.76302397774641]
  独立意味情報を持つ各代表領域を部分空間とみなし,部分空間クラスタリング問題としてスーパーピクセルセグメンテーションを定式化する。 従来のサブスペースクラスタリングとスーパーピクセルセグメンテーションの簡単な統合は,画素の空間相関のために効果的に機能しないことを示す。 本稿では,空間隣接画素に類似の属性を付加してスーパーピクセルにクラスタリング可能な,凸局所性制約付きサブスペースクラスタリングモデルを提案する。
  論文  参考訳（メタデータ） (2020-12-11T06:18:36Z)
• Superpixel Based Graph Laplacian Regularization for Sparse Hyperspectral Unmixing [1.14219428942199]
  画像境界を考慮した超画素分割アルゴリズムを用いて同質領域を抽出する。 まず、各スーパーピクセルの重み付きグラフを、各スーパーピクセルで$K$-nearest ピクセルを選択して構築する。 グラフラプラシア正規化を用いて空間的類似性を検討した。
  論文  参考訳（メタデータ） (2020-07-28T07:30:50Z)
• SegFix: Model-Agnostic Boundary Refinement for Segmentation [75.58050758615316]
  既存のセグメンテーションモデルによって生成されるセグメンテーション結果の境界品質を改善するためのモデルに依存しない後処理方式を提案する。 内部画素のラベル予測がより信頼性が高いという実証的な観察により、我々は、内部画素の予測によって、もともと信頼できない境界画素の予測を置き換えることを提案する。
  論文  参考訳（メタデータ） (2020-07-08T17:08:08Z)
• Texture Superpixel Clustering from Patch-based Nearest Neighbor Matching [2.84279467589473]
  そこで本研究では,テクスチャ対応のスーパーピクセルを限られた計算時間で生成する,Nearest Neighbor-based Superpixel Clustering (NNSC)法を提案する。
  論文  参考訳（メタデータ） (2020-03-09T21:11:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。