Fugu-MT 論文翻訳(概要): Power-SLIC: Diagram-based superpixel generation

論文の概要: Power-SLIC: Diagram-based superpixel generation

arxiv url: http://arxiv.org/abs/2012.11772v1
Date: Tue, 22 Dec 2020 00:57:21 GMT
ステータス: 処理完了
システム内更新日: 2021-04-26 07:37:54.665707
Title: Power-SLIC: Diagram-based superpixel generation
Title（参考訳）: Power-SLIC:ダイアグラムに基づくスーパーピクセル生成
Authors: Maximilian Fiedler and Andreas Alpers
Abstract要約: Power-SLICと呼ばれるダイアグラムベースのスーパーピクセル生成法を提案する。 power-slicは他の最先端アルゴリズムよりもコンパクト性と境界精度で優れている。スピードに関しては、Power-SlicはSLICと競合する。
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: Superpixel algorithms, which group pixels similar in color and other low-level properties, are increasingly used for pre-processing in image segmentation. Commonly important criteria for the computation of superpixels are boundary adherence, speed, and regularity. Boundary adherence and regularity are typically contradictory goals. Most recent algorithms have focused on improving boundary adherence. Motivated by improving superpixel regularity, we propose a diagram-based superpixel generation method called Power-SLIC. On the BSDS500 data set, Power-SLIC outperforms other state-of-the-art algorithms in terms of compactness and boundary precision, and its boundary adherence is the most robust against varying levels of Gaussian noise. In terms of speed, Power-SLIC is competitive with SLIC.
Abstract（参考訳）: 色や他の低レベル特性のピクセルをグループ化するスーパーピクセルアルゴリズムは、画像分割の前処理にますます使われている。超画素の計算における一般的な重要な基準は、境界順守、速度、規則性である。境界順守と正則性は通常矛盾した目標である。最近のアルゴリズムは境界遵守の改善に重点を置いている。本稿では,スーパーピクセルの正則性の向上を動機として,Power-Slicと呼ばれる図ベースのスーパーピクセル生成手法を提案する。 BSDS500データセットでは、Power-SLICはコンパクト性と境界精度の点で他の最先端アルゴリズムよりも優れており、その境界付着性はガウスノイズの様々なレベルに対して最も堅牢である。スピードに関しては、Power-SlicはSLICと競合する。

関連論文リスト

QMambaBSR: Burst Image Super-Resolution with Query State Space Model [55.56075874424194]
バースト超解像度は、複数のバースト低解像度フレームからサブピクセル情報を融合することにより、高画質でよりリッチな細部で高解像度の画像を再構成することを目的としている。 BusrtSRにおいて鍵となる課題は、高周波ノイズ障害を同時に抑制しつつ、ベースフレームの補完的なサブピクセルの詳細を抽出することである。本稿では,Query State Space Model (QSSM) とAdaptive Up-Sampling Module (AdaUp) を組み合わせた新しいQuery Mamba Burst Super-Resolution (QMambaBSR) ネットワークを紹介する。
論文参考訳（メタデータ） (2024-08-16T11:15:29Z)
Hierarchical Homogeneity-Based Superpixel Segmentation: Application to Hyperspectral Image Analysis [11.612069983959985]
ハイパースペクトルデータの処理に有効なマルチスケールスーパーピクセル法を提案する。提案された階層的アプローチは、可変サイズの超画素を導くが、スペクトルの均一性は高い。評価のために、スペクトルアンミックスおよび分類タスクにおける前処理ステップとして、同質性に基づく階層法を適用した。
論文参考訳（メタデータ） (2024-07-22T01:20:32Z)
Superpixels algorithms through network community detection [0.0]
コミュニティ検出は複雑なネットワーク分析の強力なツールであり、様々な研究分野の応用を見出すことができる。スーパーピクセルは、可能な限りオリジナル情報を保存しながら、画像をより小さなレベルで表現することを目的としている。 4つの連結画素グラフ上で,最先端のコミュニティ検出アルゴリズムによって計算されたスーパーピクセルの効率について検討した。
論文参考訳（メタデータ） (2023-08-27T13:13:28Z)
Beyond Learned Metadata-based Raw Image Reconstruction [86.1667769209103]
生画像は、線形性や微細な量子化レベルなど、sRGB画像に対して明確な利点がある。ストレージの要求が大きいため、一般ユーザからは広く採用されていない。本稿では,メタデータとして,潜在空間におけるコンパクトな表現を学習する新しいフレームワークを提案する。
論文参考訳（メタデータ） (2023-06-21T06:59:07Z)
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)
Probabilistic Deep Metric Learning for Hyperspectral Image Classification [91.5747859691553]
本稿では,ハイパースペクトル画像分類のための確率論的深度学習フレームワークを提案する。ハイパースペクトルセンサーが捉えた画像に対して、各ピクセルのカテゴリを予測することを目的としている。我々のフレームワークは、既存のハイパースペクトル画像分類法に容易に適用できる。
論文参考訳（メタデータ） (2022-11-15T17:57:12Z)
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)
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)
Superpixel Based Graph Laplacian Regularization for Sparse Hyperspectral Unmixing [1.14219428942199]
画像境界を考慮した超画素分割アルゴリズムを用いて同質領域を抽出する。まず、各スーパーピクセルの重み付きグラフを、各スーパーピクセルで$K$-nearest ピクセルを選択して構築する。グラフラプラシア正規化を用いて空間的類似性を検討した。
論文参考訳（メタデータ） (2020-07-28T07:30:50Z)

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。