論文の概要: Super-BPD: Super Boundary-to-Pixel Direction for Fast Image Segmentation

• arxiv url: http://arxiv.org/abs/2006.00303v1
• Date: Sat, 30 May 2020 16:00:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 18:10:08.122807
• Title: Super-BPD: Super Boundary-to-Pixel Direction for Fast Image Segmentation
• Title（参考訳）: 超BPD:高速画像分割のための超境界-画素方向
• Authors: Jianqiang Wan, Yang Liu, Donglai Wei, Xiang Bai, Yongchao Xu
• Abstract要約: 新たな超境界画素方向(スーパーBPD)に基づく高速画像分割法を提案する。 BPDでは、異なる領域の近傍画素が互いに反対方向を有し、同一領域の隣接画素は互いに反対方向を有する。 我々はそのような特性を利用して画像を超BPDに分割する。
• 参考スコア（独自算出の注目度）: 60.72044848490725
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image segmentation is a fundamental vision task and a crucial step for many applications. In this paper, we propose a fast image segmentation method based on a novel super boundary-to-pixel direction (super-BPD) and a customized segmentation algorithm with super-BPD. Precisely, we define BPD on each pixel as a two-dimensional unit vector pointing from its nearest boundary to the pixel. In the BPD, nearby pixels from different regions have opposite directions departing from each other, and adjacent pixels in the same region have directions pointing to the other or each other (i.e., around medial points). We make use of such property to partition an image into super-BPDs, which are novel informative superpixels with robust direction similarity for fast grouping into segmentation regions. Extensive experimental results on BSDS500 and Pascal Context demonstrate the accuracy and efficency of the proposed super-BPD in segmenting images. In practice, the proposed super-BPD achieves comparable or superior performance with MCG while running at ~25fps vs. 0.07fps. Super-BPD also exhibits a noteworthy transferability to unseen scenes. The code is publicly available at https://github.com/JianqiangWan/Super-BPD.
• Abstract（参考訳）: イメージセグメンテーションは基本的なビジョンタスクであり、多くのアプリケーションにとって重要なステップです。 本稿では,新しいスーパーバウンダリ・ツー・ピクセル方向(スーパーBPD)に基づく高速画像分割法と,スーパーBPDを用いたカスタマイズセグメンテーションアルゴリズムを提案する。 正確には、各画素上のBPDを、最も近い境界からピクセルへの2次元単位ベクトルとして定義する。 bpdでは、異なる領域の近傍画素は互いに反対方向を向いており、同じ領域の隣接画素は互いに方向を向けている(すなわち、中間点付近)。 このような特性を用いて,高速グループ化のためのロバストな方向類似性を持つ新しい情報超画素である超bpdに画像分割を行う。 BSDS500とPascal Contextの大規模な実験結果から,セグメント画像における超BPDの精度と有効性を示す。 実際には、提案されたスーパーBPDは、約25fps対0.07fpsで実行しながら、MCGで同等または優れた性能を達成する。 スーパーBPDはまた、目に見えないシーンへの注目すべき転送可能性を示している。 コードはhttps://github.com/JianqiangWan/Super-BPDで公開されている。

関連論文リスト

• Object Segmentation-Assisted Inter Prediction for Versatile Video Coding [53.91821712591901]
  本稿では,参照フレーム内のオブジェクトをいくつかの高度な技術でセグメント化するオブジェクトセグメンテーション支援インター予測手法を提案する。 適切な指示により、オブジェクトセグメンテーションマスクは、参照フレームから現在のフレームに、異なる領域の任意の形のパーティションとして変換される。 提案手法は, 最大1.98%, 1.14%, 0.79%, 平均0.82%, 0.49%, 0.37%のBDレート低下が得られた。
  論文  参考訳（メタデータ） (2024-03-18T11:48:20Z)
• Adaptive Superpixel for Active Learning in Semantic Segmentation [34.0733215363568]
  本稿では,ピクセル単位のアノテーションではなく,上位のラベルを収集する,スーパーピクセル単位のアクティブラーニングフレームワークを提案する。 スーパーピクセル毎に支配的なラベルを持つことは、クリック数が少なくなるため、アノテータの負担を大幅に削減する。 また、潜在的にノイズの多いアノテーションを学習から識別し排除するシービングメカニズムも考案した。
  論文  参考訳（メタデータ） (2023-03-29T16:07:06Z)
• 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)
• SIN:Superpixel Interpolation Network [9.046310874823002]
  従来のアルゴリズムとディープラーニングベースのアルゴリズムは、スーパーピクセルセグメンテーションにおける2つの主要なストリームである。 本稿では,エンド・ツー・エンド方式で下流タスクと統合可能な深層学習に基づくスーパーピクセルセグメンテーションアルゴリズムSINを提案する。
  論文  参考訳（メタデータ） (2021-10-17T02:21:11Z)
• HERS Superpixels: Deep Affinity Learning for Hierarchical Entropy Rate Segmentation [0.0]
  スーパーピクセルセグメンテーションのための2段階グラフベースのフレームワークを提案する。 最初の段階では,ペアワイズ画素親和性を学習するディープ親和性学習ネットワークを導入する。 第2段階では階層エントロピーレート(HERS)と呼ばれる高効率スーパーピクセル法を提案する。
  論文  参考訳（メタデータ） (2021-06-07T16:20:04Z)
• Deep Superpixel Cut for Unsupervised Image Segmentation [0.9281671380673306]
  本稿では,下記の2段階を含む画像分割の教師なし手法を提案する。 まず,スーパーピクセルワイドオートエンコーダ(SuperAE)を用いて,スムーズな画像の埋め込みと再構成を学習し,そのスムーズな画像を渡してスーパーピクセルを生成する。 次に,超画素間の深い類似度を測定し,ソフトパーティショニング問題として画像分割を定式化する,deep superpixel cut(dsc)と呼ばれる新しいクラスタリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-10T13:07:41Z)
• 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)
• Dual Pixel Exploration: Simultaneous Depth Estimation and Image Restoration [77.1056200937214]
  本研究では,ぼかしと深度情報をリンクするDPペアの形成について検討する。 本稿では,画像の深さを共同で推定し,復元するためのエンドツーエンドDDDNet(DPベースのDepth and De Network)を提案する。
  論文  参考訳（メタデータ） (2020-12-01T06:53:57Z)
• 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)
• Superpixel Segmentation using Dynamic and Iterative Spanning Forest [0.0]
  以下に、Dynamic ISF(DISF)について述べる。 他のシードベースのスーパーピクセル法と比較すると、DIFは関連する種子を見つける傾向が強い。 また、より効果的なスーパーピクセルデライン化のために、ISFフレームワークに動的アーク重み推定を導入している。
  論文  参考訳（メタデータ） (2020-07-08T16:46:58Z)

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。