Fugu-MT 論文翻訳(概要): Localized Interactive Instance Segmentation

論文の概要: Localized Interactive Instance Segmentation

arxiv url: http://arxiv.org/abs/2010.09140v2
Date: Tue, 20 Oct 2020 09:57:07 GMT
ステータス: 処理完了
システム内更新日: 2022-10-06 04:24:02.447040
Title: Localized Interactive Instance Segmentation
Title（参考訳）: ローカル型インタラクティブインスタンスセグメンテーション
Authors: Soumajit Majumder, Angela Yao
Abstract要約: 本稿では,ユーザインタラクションがオブジェクトの近接に制限されるクリック方式を提案する。提案手法の有効性を,詳細な実験により示す。
参考スコア（独自算出の注目度）: 24.55415554455844
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In current interactive instance segmentation works, the user is granted a free hand when providing clicks to segment an object; clicks are allowed on background pixels and other object instances far from the target object. This form of interaction is highly inconsistent with the end goal of efficiently isolating objects of interest. In our work, we propose a clicking scheme wherein user interactions are restricted to the proximity of the object. In addition, we propose a novel transformation of the user-provided clicks to generate a weak localization prior on the object which is consistent with image structures such as edges, textures etc. We demonstrate the effectiveness of our proposed clicking scheme and localization strategy through detailed experimentation in which we raise state-of-the-art on several standard interactive segmentation benchmarks.
Abstract（参考訳）: 現在のインタラクティブなインスタンスセグメンテーションでは、ユーザがオブジェクトをセグメンテーションするためのクリックを提供するとき、自由手が与えられる。この相互作用の形式は、興味のある対象を効率的に分離するという最終目標と非常に矛盾する。本研究では,ユーザのインタラクションがオブジェクトの近接に制限されるようなクリック方式を提案する。また,エッジやテクスチャなどの画像構造に整合したオブジェクトに対して,より弱い局所化を生成するために,ユーザが提供するクリックの新たな変換を提案する。提案手法とローカライズ戦略の有効性を,いくつかの標準対話型セグメンテーションベンチマークを用いた詳細な実験により実証する。

関連論文リスト

ClickTrack: Towards Real-time Interactive Single Object Tracking [58.52366657445601]
リアルタイムシナリオにおけるクリックインタラクションを用いた新しいパラダイムであるClickTrackを提案する。特定のシナリオにおける曖昧さに対処するために、ポイントとオプションのテキスト情報を入力として受け入れるガイド・クリック・リファイナ(GCR)を設計した。 LaSOTとGOT-10kベンチマークの実験により、GCRと組み合わせたトラッカーがリアルタイムの対話シナリオで安定したパフォーマンスを実現することが示された。
論文参考訳（メタデータ） (2024-11-20T10:30:33Z)
Learning from Exemplars for Interactive Image Segmentation [15.37506525730218]
同一カテゴリにおける1つのオブジェクトと複数のオブジェクトの両方に対して、新しい対話的セグメンテーションフレームワークを導入する。当社のモデルでは,ターゲットIoUの85%と90%を達成するために,クリック数が2回削減されるため,ユーザの労力を約15%削減する。
論文参考訳（メタデータ） (2024-06-17T12:38:01Z)
AGILE3D: Attention Guided Interactive Multi-object 3D Segmentation [32.63772366307106]
我々は,複数の3Dオブジェクトの同時セグメンテーションをサポートする,効率的で注目度の高いモデルAGILE3Dを紹介する。ユーザクリックを空間的時間的クエリとしてエンコードし、クリッククエリと3Dシーン間の明示的なインタラクションを可能にする。 4つの異なる3Dポイントクラウドデータセットによる実験では、AGILE3Dは新たな最先端技術を設定している。
論文参考訳（メタデータ） (2023-06-01T17:59:10Z)
SimpSON: Simplifying Photo Cleanup with Single-Click Distracting Object Segmentation Network [70.89436857471887]
ワンクリックでタスクを遂行するために最適化された対話型トラクタ選択法を提案する。本手法は従来の単視分割法により達成された精度とリコールを超越した手法である。実験により, 未知の物体を対話的に, グループで効果的に, 正確に識別できることが実証された。
論文参考訳（メタデータ） (2023-05-28T04:05:24Z)
Learning-based Relational Object Matching Across Views [63.63338392484501]
本稿では,RGB画像間のオブジェクト検出をマッチングするための,局所キーポイントと新たなオブジェクトレベルの特徴を組み合わせた学習ベースアプローチを提案する。我々は、連想グラフニューラルネットワークにおいて、オブジェクト間の外観とフレーム間およびフレーム間空間関係に基づいて、オブジェクトレベルのマッチング機能を訓練する。
論文参考訳（メタデータ） (2023-05-03T19:36:51Z)
DynaMITe: Dynamic Query Bootstrapping for Multi-object Interactive Segmentation Transformer [58.95404214273222]
最先端のインスタンスセグメンテーション手法の多くは、訓練のために大量のピクセル精度のグランドトルースに依存している。ユーザインタラクションを時間的クエリとして表現するDynaMITeという,より効率的なアプローチを導入する。我々のアーキテクチャはまた、改善中にイメージ機能を再計算する必要をなくし、単一のイメージに複数のインスタンスをセグメント化するためのインタラクションを少なくする。
論文参考訳（メタデータ） (2023-04-13T16:57:02Z)
Contour-based Interactive Segmentation [4.164728134421114]
ユーザインタラクションの自然な形態をゆるい輪郭とみなし、輪郭に基づく対話的セグメンテーション手法を導入する。一つの輪郭が複数のクリックと同じ精度で、ユーザインタラクションの必要量を減らすことを実証する。
論文参考訳（メタデータ） (2023-02-13T13:35:26Z)
Discovering Objects that Can Move [55.743225595012966]
手動ラベルなしでオブジェクトを背景から分離する、オブジェクト発見の問題について検討する。既存のアプローチでは、色、テクスチャ、位置などの外観の手がかりを使用して、ピクセルをオブジェクトのような領域に分類する。私たちは、動的オブジェクト -- 世界で独立して動くエンティティ -- にフォーカスすることを選びます。
論文参考訳（メタデータ） (2022-03-18T21:13:56Z)
FAIRS -- Soft Focus Generator and Attention for Robust Object Segmentation from Extreme Points [70.65563691392987]
本稿では,ユーザ入力からオブジェクトのセグメンテーションを極端点と補正クリックの形で生成する手法を提案する。提案手法は,エクストリームポイント,クリック誘導,修正クリックを原則として組み込んだ,高品質なトレーニングデータを生成する能力とスケーラビリティを実証する。
論文参考訳（メタデータ） (2020-04-04T22:25:47Z)
Instance Segmentation of Visible and Occluded Regions for Finding and Picking Target from a Pile of Objects [25.836334764387498]
本研究では,対象物体の発見・把握が可能な物体の山から対象物を選択するロボットシステムを提案する。既存のインスタンスセグメンテーションモデルを新しいリルックアーキテクチャで拡張し、モデルがインスタンス間の関係を明示的に学習する。また、画像合成により、人間のアノテーションを使わずに新しいオブジェクトを処理できるシステムを構築する。
論文参考訳（メタデータ） (2020-01-21T12:28:37Z)

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。