論文の概要: Enhanced Boundary Learning for Glass-like Object Segmentation
- arxiv url: http://arxiv.org/abs/2103.15734v1
- Date: Mon, 29 Mar 2021 16:18:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-30 18:21:39.814024
- Title: Enhanced Boundary Learning for Glass-like Object Segmentation
- Title（参考訳）: ガラス状物体分割のための拡張境界学習
- Authors: Hao He, Xiangtai Li, Guangliang Cheng, Jianping Shi, Yunhai Tong,
Gaofeng Meng, V\'eronique Prinet, Lubin Weng
- Abstract要約: 本稿では,拡張境界学習によるガラス状物体分割問題を解くことを目的とする。
特に,より微細な境界キューを生成するための改良された微分モジュールを最初に提案する。
境界に沿った大域的な形状表現をモデル化するために,エッジ対応のグラフ畳み込みネットワークモジュールを提案する。
- 参考スコア（独自算出の注目度）: 55.45473926510806
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Glass-like objects such as windows, bottles, and mirrors exist widely in the
real world. Sensing these objects has many applications, including robot
navigation and grasping. However, this task is very challenging due to the
arbitrary scenes behind glass-like objects. This paper aims to solve the
glass-like object segmentation problem via enhanced boundary learning. In
particular, we first propose a novel refined differential module for generating
finer boundary cues. Then an edge-aware point-based graph convolution network
module is proposed to model the global shape representation along the boundary.
Both modules are lightweight and effective, which can be embedded into various
segmentation models. Moreover, we use these two modules to design a decoder to
get accurate segmentation results, especially on the boundary. Extensive
experiments on three recent glass-like object segmentation datasets, including
Trans10k, MSD, and GDD, show that our approach establishes new state-of-the-art
performances. We also offer the generality and superiority of our approach
compared with recent methods on three general segmentation datasets, including
Cityscapes, BDD, and COCO Stuff. Code and models will be available at
(\url{https://github.com/hehao13/EBLNet})
- Abstract（参考訳）: 窓、ボトル、鏡などのガラスのような物体は現実世界に広く存在している。
これらのオブジェクトのセンシングには、ロボットナビゲーションや把握など、多くの応用がある。
しかし、ガラスのような物体の背後にある任意のシーンのため、この作業は非常に難しい。
本稿では,拡張境界学習によるガラス状物体分割問題を解くことを目的とする。
特に,より微細な境界キューを生成するための改良された微分モジュールを最初に提案する。
次に,境界に沿った大域的な形状表現をモデル化するために,エッジ対応のグラフ畳み込みネットワークモジュールを提案する。
どちらのモジュールも軽量かつ効果的であり、様々なセグメンテーションモデルに組み込むことができる。
さらに,これら2つのモジュールをデコーダの設計に用いて,特に境界において,正確なセグメンテーション結果を得る。
Trans10k, MSD, GDDを含む最近の3つのガラスのようなオブジェクトセグメンテーションデータセットに対する大規模な実験により、我々のアプローチが新しい最先端のパフォーマンスを確立することを示す。
また、Cityscapes、BDD、COCO Stuffを含む3つの一般的なセグメンテーションデータセットの最近の手法と比較して、このアプローチの汎用性と優位性も提供します。
コードとモデルは (\url{https://github.com/hehao13/eblnet}) で利用可能である。
関連論文リスト
- Glass Segmentation with Multi Scales and Primary Prediction Guiding [2.66512000865131]
ガラスのような物体は、日々の生活の中でどこにでも見えます。
本稿では,FineRescaling and Merging Module (FRM) から構成されるMGNetを提案する。
高信頼セグメンテーションマップを作成するために,不確実性を考慮した新たな損失関数を用いてモデルを監督する。
論文 参考訳（メタデータ） (2024-02-13T16:14:32Z) - RFENet: Towards Reciprocal Feature Evolution for Glass Segmentation [44.45402982171703]
本稿では,ガラス状オブジェクトセグメンテーションのためのReciprocal Feature Evolution Network (RFENet)を提案する。
RFENetは3つの人気のあるパブリックデータセットで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2023-07-12T11:45:22Z) - Contrastive Lift: 3D Object Instance Segmentation by Slow-Fast
Contrastive Fusion [110.84357383258818]
本稿では,2次元セグメントを3次元に上げ,ニューラルネットワーク表現を用いて融合させる新しい手法を提案する。
このアプローチの中核は、高速なクラスタリング目的関数であり、多数のオブジェクトを持つシーンにスケーラブルで適しています。
我々のアプローチは、ScanNet、Hypersim、Replicaのデータセットからの挑戦的なシーンにおいて、最先端の状況よりも優れています。
論文 参考訳（メタデータ） (2023-06-07T17:57:45Z) - A bioinspired three-stage model for camouflaged object detection [8.11866601771984]
本稿では,1回の繰り返しで粗い部分分割を可能にする3段階モデルを提案する。
本モデルでは, 3つのデコーダを用いて, サブサンプル特徴, 収穫特徴, および高解像度のオリジナル特徴を逐次処理する。
我々のネットワークは、不要な複雑さを伴わずに最先端のCNNベースのネットワークを上回る。
論文 参考訳（メタデータ） (2023-05-22T02:01:48Z) - SupeRGB-D: Zero-shot Instance Segmentation in Cluttered Indoor
Environments [67.34330257205525]
本研究では,RGB-Dデータからゼロショットのインスタンスセグメンテーション(ZSIS)を探索し,意味的カテゴリに依存しない方法で未知のオブジェクトを識別する。
本稿では,注釈付きオブジェクトを用いて画素のオブジェクト性」を学習し,乱雑な屋内環境における未知のオブジェクトカテゴリに一般化する手法を提案する。
論文 参考訳（メタデータ） (2022-12-22T17:59:48Z) - GlassNet: Label Decoupling-based Three-stream Neural Network for Robust
Image Glass Detection [1.1825946875790057]
我々はラベルデカップリングを利用してラベル付き接地トラス(GT)マップを内部拡散マップと境界拡散マップに分解する。
新たに生成された2つの地図と協調したGTマップは、オブジェクト境界の不均衡分布を破り、ガラス検出品質が向上する。
マルチモーダル情報を統合するために,アテンションベースの境界認識機能であるMosaicモジュールを開発した。
論文 参考訳（メタデータ） (2021-08-25T08:33:49Z) - Learning to Associate Every Segment for Video Panoptic Segmentation [123.03617367709303]
粗いセグメントレベルのマッチングと細かなピクセルレベルのマッチングを同時に学習する。
本研究では,Cityscapes-VPSおよびVIPERデータセット上で,フレーム単位の計算モデルにより,最先端の計算結果が得られることを示す。
論文 参考訳（メタデータ） (2021-06-17T13:06:24Z) - BoundarySqueeze: Image Segmentation as Boundary Squeezing [104.43159799559464]
本研究では,オブジェクトとシーンの微細な高画質画像分割のための新しい手法を提案する。
形態素画像処理技術による拡張と浸食に着想を得て,画素レベルのセグメンテーション問題をスクイーズ対象境界として扱う。
提案手法は,COCO,Cityscapesのインスタンス・セグメンテーション・セグメンテーション・セグメンテーションにおいて大きく向上し,同一条件下での精度・速度ともに従来のPointRendよりも優れていた。
論文 参考訳（メタデータ） (2021-05-25T04:58:51Z) - Improving Semantic Segmentation via Decoupled Body and Edge Supervision [89.57847958016981]
既存のセグメンテーションアプローチは、グローバルコンテキストをモデル化することでオブジェクトの内部の一貫性を改善すること、あるいはマルチスケールの特徴融合によって境界に沿ったオブジェクトの詳細を洗練することを目的としている。
本稿では,セマンティックセグメンテーションのための新しいパラダイムを提案する。
我々の洞察は、セマンティックセグメンテーションの魅力ある性能には、画像の高頻度と低頻度に対応するオブジェクトのテキストボディとテキストエッジを具体的にモデル化する必要があるということである。
さまざまなベースラインやバックボーンネットワークを備えた提案したフレームワークが,オブジェクト内部の一貫性とオブジェクト境界を向上させることを示す。
論文 参考訳（メタデータ） (2020-07-20T12:11:22Z)
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。