論文の概要: Evaluation Framework of Superpixel Methods with a Global Regularity Measure
- arxiv url: http://arxiv.org/abs/1903.07162v2
- Date: Tue, 23 Sep 2025 09:36:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-24 20:41:27.320454
- Title: Evaluation Framework of Superpixel Methods with a Global Regularity Measure
- Title（参考訳）: 大域的正規度測定による超画素法の評価枠組み
- Authors: Rémi Giraud, Vinh-Thong Ta, Nicolas Papadakis,
- Abstract要約: 本稿では,スーパーピクセル法の比較プロセスを統一することを目的とした評価フレームワークを提案する。
我々は、最先端メトリクスの非破壊性に対処する新しいグローバル規則度尺度(GR)を提案する。
- 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: In the superpixel literature, the comparison of state-of-the-art methods can be biased by the non-robustness of some metrics to decomposition aspects, such as the superpixel scale. Moreover, most recent decomposition methods allow to set a shape regularity parameter, which can have a substantial impact on the measured performances. In this paper, we introduce an evaluation framework, that aims to unify the comparison process of superpixel methods. We investigate the limitations of existing metrics, and propose to evaluate each of the three core decomposition aspects: color homogeneity, respect of image objects and shape regularity. To measure the regularity aspect, we propose a new global regularity measure (GR), which addresses the non-robustness of state-of-the-art metrics. We evaluate recent superpixel methods with these criteria, at several superpixel scales and regularity levels. The proposed framework reduces the bias in the comparison process of state-of-the-art superpixel methods. Finally, we demonstrate that the proposed GR measure is correlated with the performances of various applications.
- Abstract（参考訳）: スーパーピクセルの文献では、最先端の手法の比較は、超ピクセルスケールのような分解面へのいくつかのメトリクスの非破壊性によってバイアスを受けることができる。
さらに, 最新の分解法では, 形状規則性パラメータの設定が可能であり, 測定性能に大きな影響を及ぼす可能性がある。
本稿では,スーパーピクセル法の比較プロセスを統一する評価フレームワークを提案する。
既存のメトリクスの限界について検討し、色均一性、画像オブジェクトの尊重、形状規則性という3つの中核的な分解点について評価する。
そこで本研究では,非破壊性に対処する新たなグローバル規則度尺度(GR)を提案する。
これらの基準による最近のスーパーピクセル法を,いくつかのスーパーピクセルスケールと正則度で評価した。
提案フレームワークは,最先端のスーパーピクセル法の比較プロセスにおけるバイアスを低減する。
最後に,提案したGR尺度が各種アプリケーションの性能と相関していることを示す。
関連論文リスト
- Feature Alignment with Equivariant Convolutions for Burst Image Super-Resolution [52.55429225242423]
本稿では,同変畳み込みに基づくアライメントを特徴とするBurst Image Super-Resolution (BISR) のための新しいフレームワークを提案する。
これにより、アライメント変換は画像領域の明示的な監督を通じて学習でき、特徴領域に容易に適用できる。
BISRベンチマークの実験は、定量的メトリクスと視覚的品質の両方において、我々のアプローチの優れた性能を示している。
論文 参考訳（メタデータ） (2025-03-11T11:13:10Z) - A Global Depth-Range-Free Multi-View Stereo Transformer Network with Pose Embedding [76.44979557843367]
本稿では,事前の深度範囲を排除した新しい多視点ステレオ(MVS)フレームワークを提案する。
長距離コンテキスト情報を集約するMDA(Multi-view Disparity Attention)モジュールを導入する。
ソース画像のエピポーラ線上のサンプリング点に対応する電流画素の品質を明示的に推定する。
論文 参考訳（メタデータ） (2024-11-04T08:50:16Z) - A comprehensive review and new taxonomy on superpixel segmentation [0.0]
スーパーピクセルセグメンテーションの新しい分類法について概説する。
我々は、接続性、コンパクト性、デライン化、スーパーピクセル数、色、均一性、実行時間、安定性、視覚品質の9つの基準に基づいて、20の戦略を評価する。
論文 参考訳（メタデータ） (2024-09-27T23:28:33Z) - A consensus-constrained parsimonious Gaussian mixture model for clustering hyperspectral images [0.0]
食品エンジニアは、ハイパースペクトル画像を使用して、食品サンプルのタイプと品質を分類する。
これらの手法を訓練するには、各トレーニング画像の各ピクセルにラベルを付ける必要がある。
ハイパースペクトル画像に画素をラベル付けするために, コンセンサス制約付き擬似ガウス混合モデル (ccPGMM) を提案する。
論文 参考訳（メタデータ） (2024-03-05T22:23:43Z) - Learning from Multi-Perception Features for Real-Word Image
Super-resolution [87.71135803794519]
入力画像の複数の知覚的特徴を利用する新しいSR手法MPF-Netを提案する。
本稿では,MPFEモジュールを組み込んで,多様な知覚情報を抽出する手法を提案する。
また、モデルの学習能力を向上する対照的な正規化項(CR)も導入する。
論文 参考訳（メタデータ） (2023-05-26T07:35:49Z) - Probabilistic Deep Metric Learning for Hyperspectral Image
Classification [91.5747859691553]
本稿では,ハイパースペクトル画像分類のための確率論的深度学習フレームワークを提案する。
ハイパースペクトルセンサーが捉えた画像に対して、各ピクセルのカテゴリを予測することを目的としている。
我々のフレームワークは、既存のハイパースペクトル画像分類法に容易に適用できる。
論文 参考訳（メタデータ） (2022-11-15T17:57:12Z) - 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) - Robust Shape Regularity Criteria for Superpixel Evaluation [5.746869663956391]
スーパーピクセル形状の正則性やコンパクト性は、主にその円形性によって測定される。
形状の正則性を考慮した新しい計量法を提案する。
我々の測度は、スケールとノイズに対して堅牢であり、より関連性の高いスーパーピクセル法の比較を可能にする。
論文 参考訳（メタデータ） (2019-03-17T19:08:39Z)
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。