論文の概要: Image Co-skeletonization via Co-segmentation

• arxiv url: http://arxiv.org/abs/2004.05575v1
• Date: Sun, 12 Apr 2020 09:35:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-14 05:39:01.579162
• Title: Image Co-skeletonization via Co-segmentation
• Title（参考訳）: 共セグメンテーションによる画像コケレトニゼーション
• Authors: Koteswar Rao Jerripothula, Jianfei Cai, Jiangbo Lu, Junsong Yuan
• Abstract要約: 我々は,新しい共同処理の話題である画像コスケルトン化を提案する。 単一の自然な画像におけるオブジェクトのスケルトン化は、オブジェクトに関する事前の知識がほとんどないため、難しい問題である。 本稿では,コ・スケルトン化とコ・セグメンテーション・タスクの結合フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 102.59781674888657
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in the joint processing of images have certainly shown its advantages over individual processing. Different from the existing works geared towards co-segmentation or co-localization, in this paper, we explore a new joint processing topic: image co-skeletonization, which is defined as joint skeleton extraction of objects in an image collection. Object skeletonization in a single natural image is a challenging problem because there is hardly any prior knowledge about the object. Therefore, we resort to the idea of object co-skeletonization, hoping that the commonness prior that exists across the images may help, just as it does for other joint processing problems such as co-segmentation. We observe that the skeleton can provide good scribbles for segmentation, and skeletonization, in turn, needs good segmentation. Therefore, we propose a coupled framework for co-skeletonization and co-segmentation tasks so that they are well informed by each other, and benefit each other synergistically. Since it is a new problem, we also construct a benchmark dataset by annotating nearly 1.8k images spread across 38 categories. Extensive experiments demonstrate that the proposed method achieves promising results in all the three possible scenarios of joint-processing: weakly-supervised, supervised, and unsupervised.
• Abstract（参考訳）: 近年,画像統合処理の進歩により,個々の処理に対する利点が明らかになっている。 本稿では,コセグメンテーションやコローカライズを目的とした既存の作品とは異なり,画像収集におけるオブジェクトのコネクティブスケルトン抽出として定義される画像コケレトニゼーションという,新たなジョイント処理トピックを探求する。 単一の自然画像におけるオブジェクトのスケルトン化は、オブジェクトに関する事前知識がほとんどないため、難しい問題である。 したがって、画像にまたがる共通性が、コセグメンテーションのような他のジョイント処理問題と同様に役立つことを期待して、オブジェクトのコケルトニゼーションの考え方に頼る。 スケルトンは、セグメント化に優れたクリブルを提供することができ、スケルトン化には、適切なセグメント化が必要であることが観察される。 そこで本稿では,協調作業と協調作業の結合フレームワークを提案する。 これは新しい問題であるため、38のカテゴリにまたがる1.8k近い画像を注釈付けしてベンチマークデータセットを構築する。 大規模実験により, 提案手法は, 弱制御, 教師なし, 教師なしの3つのシナリオにおいて, 有望な結果が得られることを示した。

関連論文リスト

• Language-free Compositional Action Generation via Decoupling Refinement [67.50452446686725]
  本稿では,言語補助に頼らずに作曲行動を生成する新しい枠組みを提案する。 このアプローチは,アクション結合,条件付きアクション生成,デカップリングリファインメントという3つの主要コンポーネントから構成される。
  論文  参考訳（メタデータ） (2023-07-07T12:00:38Z)
• AIMS: All-Inclusive Multi-Level Segmentation [93.5041381700744]
  視覚領域を3つのレベル(パート、エンティティ、リレーション)に分割するタスクであるAll-Inclusive Multi-Level(AIMS)を提案する。 また、アノテーションの不整合とタスク相関の2つの大きな課題に対処するために、マルチデータセットのマルチタスクトレーニングを通じて統合されたAIMSモデルを構築します。
  論文  参考訳（メタデータ） (2023-05-28T16:28:49Z)
• Weakly-Supervised 3D Medical Image Segmentation using Geometric Prior and Contrastive Similarity [19.692257159373373]
  幾何学的先行性および対比的類似性を組み込んだ,単純で効果的なセグメンテーションフレームワークを提案する。 提案するフレームワークは,公開データセット上での最先端の弱い教師付き手法よりも優れている。
  論文  参考訳（メタデータ） (2023-02-04T07:55:30Z)
• Joint reconstruction-segmentation on graphs [0.7829352305480285]
  本稿では,グラフベースセグメンテーション手法を用いた共同再建分割法を提案する。 合併症は、関係する行列の大きいため発生し、これらの合併症がどのように管理されるかを示す。 本手法を従来のグラフベースセグメンテーション文献に精通した2頭の牛の画像の歪曲バージョンに適用する。
  論文  参考訳（メタデータ） (2022-08-11T14:01:38Z)
• Comprehensive Saliency Fusion for Object Co-segmentation [3.908842679355254]
  サリエンシ融合は、オブジェクトのコセグメンテーションを実行するための有望な方法の1つです。 本稿では,問題を再検討し,同じ画像と異なる画像の相性マップの融合を提案する。 また、深層学習の進歩を活用して、サリエンシ抽出と対応プロセスを実現している。
  論文  参考訳（メタデータ） (2022-01-30T14:22:58Z)
• Unsupervised Part Discovery from Contrastive Reconstruction [90.88501867321573]
  自己監督型視覚表現学習の目標は、強く伝達可能な画像表現を学習することである。 対象部分の発見とセグメンテーションに対する教師なしアプローチを提案する。 本手法は, 細粒度, 視覚的に異なるカテゴリ間でセマンティックな部分を生成する。
  論文  参考訳（メタデータ） (2021-11-11T17:59:42Z)
• Skeleton-Aware Networks for Deep Motion Retargeting [83.65593033474384]
  骨格間のデータ駆動動作のための新しいディープラーニングフレームワークを提案する。 我々の手法は、トレーニングセットの運動間の明確なペアリングを必要とせずに、再ターゲティングの仕方を学ぶ。
  論文  参考訳（メタデータ） (2020-05-12T12:51:40Z)
• Peeking into occluded joints: A novel framework for crowd pose estimation [88.56203133287865]
  OPEC-NetはイメージガイドされたプログレッシブGCNモジュールで、推論の観点から見えない関節を推定する。 OCPoseは、隣接するインスタンス間の平均IoUに対して、最も複雑なOccluded Poseデータセットである。
  論文  参考訳（メタデータ） (2020-03-23T19:32:40Z)

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。