論文の概要: Multi-Scale Superpatch Matching using Dual Superpixel Descriptors
- arxiv url: http://arxiv.org/abs/2003.04428v1
- Date: Mon, 9 Mar 2020 22:04:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-25 09:09:31.436328
- Title: Multi-Scale Superpatch Matching using Dual Superpixel Descriptors
- Title（参考訳）: デュアルスーパーピクセル記述子を用いたマルチスケールスーパーパッチマッチング
- Authors: R\'emi Giraud, Merlin Boyer, Micha\"el Cl\'ement
- Abstract要約: スーパーピクセルへの過剰セグメンテーションは、高速な高密度画像処理を可能にする、非常に効果的な次元削減戦略である。
標準的な階層的多重解像度スキームと比較して、画像分解の固有の不規則性は問題である。
本稿では,新しいスーパーピクセル近傍ディスクリプタであるデュアルスーパーパッチを紹介する。
- 参考スコア（独自算出の注目度）: 0.6875312133832078
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Over-segmentation into superpixels is a very effective dimensionality
reduction strategy, enabling fast dense image processing. The main issue of
this approach is the inherent irregularity of the image decomposition compared
to standard hierarchical multi-resolution schemes, especially when searching
for similar neighboring patterns. Several works have attempted to overcome this
issue by taking into account the region irregularity into their comparison
model. Nevertheless, they remain sub-optimal to provide robust and accurate
superpixel neighborhood descriptors, since they only compute features within
each region, poorly capturing contour information at superpixel borders. In
this work, we address these limitations by introducing the dual superpatch, a
novel superpixel neighborhood descriptor. This structure contains features
computed in reduced superpixel regions, as well as at the interfaces of
multiple superpixels to explicitly capture contour structure information. A
fast multi-scale non-local matching framework is also introduced for the search
of similar descriptors at different resolution levels in an image dataset. The
proposed dual superpatch enables to more accurately capture similar structured
patterns at different scales, and we demonstrate the robustness and performance
of this new strategy on matching and supervised labeling applications.
- Abstract（参考訳）: スーパーピクセルへの過剰セグメンテーションは、高速な高密度画像処理を可能にする、非常に効果的な次元削減戦略である。
このアプローチの主な問題は、画像分解の固有の不規則性であり、特に類似した隣接パターンを探索する場合、標準的な階層的マルチレゾリューションスキームと比較される。
いくつかの研究は、地域的不規則さを比較モデルに考慮し、この問題を克服しようと試みている。
それでも、各領域の機能のみを計算し、スーパーピクセル境界での輪郭情報を不十分に捉えているため、堅牢で正確なスーパーピクセル地区記述子を提供するのに最適ではない。
本稿では,この制約に対処するために,新しいスーパーピクセル近傍記述子であるデュアルスーパーパッチを導入する。
この構造は、縮小スーパーピクセル領域で計算された特徴と、輪郭構造情報を明示的にキャプチャする複数のスーパーピクセルのインターフェイスを含む。
画像データセット内の解像度の異なる類似の記述子を検索するために、高速なマルチスケール非局所マッチングフレームワークも導入された。
提案するデュアルスーパーパッチは,異なるスケールで類似の構造化パターンをより正確にキャプチャし,マッチングおよび教師付きラベルアプリケーションにおける新しい戦略の堅牢性と性能を示す。
関連論文リスト
- Pixel Adapter: A Graph-Based Post-Processing Approach for Scene Text
Image Super-Resolution [22.60056946339325]
アップサンプリングによる画素歪みに対処するために,グラフアテンションに基づくPixel Adapter Module (PAM)を提案する。
PAMは、各ピクセルが隣人と対話し、機能を更新することで、ローカルな構造情報を効果的にキャプチャする。
提案手法は,従来の認識精度を上回り,高品質な超解像を生成することを実証する。
論文 参考訳（メタデータ） (2023-09-16T08:12:12Z) - Unsupervised Superpixel Generation using Edge-Sparse Embedding [18.92698251515116]
特徴に対する画素の類似性に基づいて画像をスーパーピクセルに分割することは、データの複雑さを著しく減らし、その後の画像処理タスクを改善する。
コントラストの少ない非畳み込み画像デコーダを提案し、再構成画像にスムーズで接続されたエッジを強制する。
我々はデコーダの最後に隠された層から、余分な空間情報をスムーズなアクティベーションマップに符号化してエッジスパース画素埋め込みを生成し、標準クラスタリングアルゴリズムを用いて高品質なスーパーピクセルを抽出する。
論文 参考訳（メタデータ） (2022-11-28T15:55:05Z) - HIPA: Hierarchical Patch Transformer for Single Image Super Resolution [62.7081074931892]
本稿では,階層型パッチ分割を用いた高解像度画像を段階的に復元する新しいトランスフォーマーアーキテクチャHIPAを提案する。
入力画像を複数のステージで処理するカスケードモデルを構築し、小さなパッチサイズでトークンから始めて、徐々に全解像度にマージします。
このような階層的なパッチ機構は、複数の解像度で機能集約を可能にするだけでなく、異なる画像領域に対するパッチ認識機能も適応的に学習する。
論文 参考訳（メタデータ） (2022-03-19T05:09:34Z) - 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) - Generating Superpixels for High-resolution Images with Decoupled Patch
Calibration [82.21559299694555]
Patch Networks (PCNet) は高解像度のスーパーピクセルセグメンテーションを効率的かつ正確に実装するように設計されている。
DPCは高解像度画像から局所パッチを取得し、動的にバイナリマスクを生成し、ネットワークを領域境界に集中させる。
特に、DPCは高解像度画像からローカルパッチを取り、動的にバイナリマスクを生成して、ネットワークを領域境界に集中させる。
論文 参考訳（メタデータ） (2021-08-19T10:33:05Z) - 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) - 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) - Image Fine-grained Inpainting [89.17316318927621]
拡張畳み込みの密結合を利用してより大きく効果的な受容場を得る一段階モデルを提案する。
この効率的なジェネレータをよく訓練するために、頻繁に使用されるVGG特徴整合損失を除いて、新しい自己誘導回帰損失を設計する。
また、局所的・グローバルな分枝を持つ識別器を用いて、局所的・グローバルな内容の整合性を確保する。
論文 参考訳（メタデータ） (2020-02-07T03:45:25Z)
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。