Fugu-MT 論文翻訳(概要): Webpage Segmentation for Extracting Images and Their Surrounding Contextual Information

論文の概要: Webpage Segmentation for Extracting Images and Their Surrounding Contextual Information

arxiv url: http://arxiv.org/abs/2005.09639v1
Date: Mon, 18 May 2020 19:00:03 GMT
ステータス: 処理完了
システム内更新日: 2022-12-02 00:42:40.155660
Title: Webpage Segmentation for Extracting Images and Their Surrounding Contextual Information
Title（参考訳）: 画像抽出のためのwebページセグメンテーションとその周辺情報
Authors: F. Fauzi, H. J. Long, M. Belkhatir
Abstract要約: 本稿では,Web ページ上に表示される特徴に基づいて,Web 画像の抽出とそのコンテキスト情報を対象とした Web ページ分割アルゴリズムを提案する。提案手法の有効性を検証するために,提案手法が既存のセグメンテーションアルゴリズムよりも優れた結果が得られることを示した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Web images come in hand with valuable contextual information. Although this information has long been mined for various uses such as image annotation, clustering of images, inference of image semantic content, etc., insufficient attention has been given to address issues in mining this contextual information. In this paper, we propose a webpage segmentation algorithm targeting the extraction of web images and their contextual information based on their characteristics as they appear on webpages. We conducted a user study to obtain a human-labeled dataset to validate the effectiveness of our method and experiments demonstrated that our method can achieve better results compared to an existing segmentation algorithm.
Abstract（参考訳）: Webイメージには、貴重なコンテキスト情報がある。この情報は、画像アノテーション、画像のクラスタリング、画像意味コンテンツの推論など様々な用途で長年採掘されてきたが、この文脈情報マイニングの問題に対処するために、あまり注意が払われていない。本稿では,Webページ上に表示される特徴に基づいて,Web画像とそのコンテキスト情報抽出を目的としたWebページセグメンテーションアルゴリズムを提案する。提案手法の有効性を検証するために,人間ラベルデータセットを得るためのユーザスタディを実施し,既存のセグメンテーションアルゴリズムよりも優れた結果が得られることを示す実験を行った。

関連論文リスト

Learning from the Web: Language Drives Weakly-Supervised Incremental Learning for Semantic Segmentation [33.955384040748946]
我々は、新しいクラスを学習するためにも、広く利用可能なWebイメージを考えることができると論じている。我々の知る限り、これは新しい概念の学習と既に学んだ概念の保存の両方のために、Webイメージにのみ依存する最初の作品である。
論文参考訳（メタデータ） (2024-07-18T10:14:49Z)
Enrich the content of the image Using Context-Aware Copy Paste [1.450405446885067]
本稿では,By Latent Information Propagation (BLIP) を組み込んだコンテキスト認識手法を提案する。抽出したコンテンツ情報とカテゴリ情報とをマッチングすることにより,Segment Anything Model (SAM) と You Only Look Once (YOLO) を用いて対象物の密結合性を確保する。各種データセットを対象とした実験により,データ多様性の向上と高品質な擬似画像の生成において,本手法の有効性が示された。
論文参考訳（メタデータ） (2024-07-11T03:07:28Z)
Enhancing Historical Image Retrieval with Compositional Cues [3.2276097734075426]
本稿では,この話題に計算美学,すなわち画像合成から重要な要素を紹介する。 CNNが抽出した合成関連情報を設計した検索モデルに明示的に統合することにより、画像の合成規則と意味情報の両方を考察する。
論文参考訳（メタデータ） (2024-03-21T10:51:19Z)
Semi-Supervised Semantic Segmentation Based on Pseudo-Labels: A Survey [49.47197748663787]
本総説は, 半教師付きセマンティックセグメンテーション分野における擬似ラベル手法に関する最新の研究成果について, 包括的かつ組織的に概観することを目的としている。さらに,医用およびリモートセンシング画像のセグメンテーションにおける擬似ラベル技術の適用について検討する。
論文参考訳（メタデータ） (2024-03-04T10:18:38Z)
Leveraging Open-Vocabulary Diffusion to Camouflaged Instance Segmentation [59.78520153338878]
テキスト・ツー・イメージ拡散技術は、テキスト記述から高品質な画像を生成する素晴らしい能力を示している。そこで本研究では,オープン語彙を応用した最先端拡散モデルを用いて,多スケールのテキスト・視覚的特徴を学習する手法を提案する。
論文参考訳（メタデータ） (2023-12-29T07:59:07Z)
Open-world Semantic Segmentation via Contrasting and Clustering Vision-Language Embedding [95.78002228538841]
本研究では,様々なオープンワールドカテゴリのセマンティックオブジェクトを高密度アノテーションを使わずにセマンティックオブジェクトのセマンティックオブジェクトのセマンティック化を学習するための,新しいオープンワールドセマンティックセマンティックセマンティックセマンティクスパイプラインを提案する。提案手法は任意のカテゴリのオブジェクトを直接分割し、3つのベンチマークデータセット上でデータラベリングを必要とするゼロショットセグメンテーション法より優れている。
論文参考訳（メタデータ） (2022-07-18T09:20:04Z)
CRIS: CLIP-Driven Referring Image Segmentation [71.56466057776086]
エンドツーエンドのCLIP駆動参照画像フレームワーク(CRIS)を提案する。 CRISは、テキストとピクセルのアライメントを達成するために、視覚言語によるデコーディングとコントラスト学習に頼っている。提案するフレームワークは, 後処理を伴わずに, 最先端の性能を著しく向上させる。
論文参考訳（メタデータ） (2021-11-30T07:29:08Z)
Exploiting the relationship between visual and textual features in social networks for image classification with zero-shot deep learning [0.0]
本稿では,CLIPニューラルネットワークアーキテクチャの伝達可能な学習能力に基づく分類器アンサンブルを提案する。本研究は,Placesデータセットのラベルによる画像分類タスクに基づいて,視覚的部分のみを考慮した実験である。画像に関連付けられたテキストを考えることは、目標に応じて精度を向上させるのに役立つ。
論文参考訳（メタデータ） (2021-07-08T10:54:59Z)
Rethinking Interactive Image Segmentation: Feature Space Annotation [68.8204255655161]
本稿では,特徴空間投影による複数画像からの対話的・同時セグメントアノテーションを提案する。本手法は,前景セグメンテーションデータセットにおける最先端手法の精度を上回ることができることを示す。
論文参考訳（メタデータ） (2021-01-12T10:13:35Z)
Robust Image Captioning [3.20603058999901]
本研究では, 対向的ロバストカットアルゴリズムを用いて, 対象関係を利用する。本研究は,画像キャプションのための提案手法の有望な性能を示す。
論文参考訳（メタデータ） (2020-12-06T00:33:17Z)
Image Segmentation Using Deep Learning: A Survey [58.37211170954998]
イメージセグメンテーションは、画像処理とコンピュータビジョンにおいて重要なトピックである。深層学習モデルを用いた画像セグメンテーション手法の開発を目的とした研究が,これまでに数多く行われている。
論文参考訳（メタデータ） (2020-01-15T21:37:47Z)

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。