論文の概要: Hypercorrelation Squeeze for Few-Shot Segmentation

• arxiv url: http://arxiv.org/abs/2104.01538v1
• Date: Sun, 4 Apr 2021 05:27:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-06 14:36:12.668914
• Title: Hypercorrelation Squeeze for Few-Shot Segmentation
• Title（参考訳）: 少数ショットセグメンテーションのためのハイパー相関スクイーズ
• Authors: Juhong Min, Dahyun Kang, Minsu Cho
• Abstract要約: Few-shot semantic segmentationは、ターゲットクラスの注釈付きサポートイメージのみを使用して、クエリイメージからターゲットオブジェクトをセグメンテーションすることを目的としている。 この課題は、多様な視覚的手がかりを理解し、クエリとサポートイメージの微粒な対応関係を解析することである。 マルチレベル特徴相関と効率的な4D畳み込みを利用したハイパー相関スキーズネットワーク(HSNet)を提案する。
• 参考スコア（独自算出の注目度）: 33.45698767126036
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Few-shot semantic segmentation aims at learning to segment a target object from a query image using only a few annotated support images of the target class. This challenging task requires to understand diverse levels of visual cues and analyze fine-grained correspondence relations between the query and the support images. To address the problem, we propose Hypercorrelation Squeeze Networks (HSNet) that leverages multi-level feature correlation and efficient 4D convolutions. It extracts diverse features from different levels of intermediate convolutional layers and constructs a collection of 4D correlation tensors, i.e., hypercorrelations. Using efficient center-pivot 4D convolutions in a pyramidal architecture, the method gradually squeezes high-level semantic and low-level geometric cues of the hypercorrelation into precise segmentation masks in coarse-to-fine manner. The significant performance improvements on standard few-shot segmentation benchmarks of PASCAL-5i, COCO-20i, and FSS-1000 verify the efficacy of the proposed method.
• Abstract（参考訳）: Few-shot semantic segmentationは、ターゲットクラスの注釈付きサポートイメージのみを使用して、クエリイメージからターゲットオブジェクトをセグメンテーションすることを目的としている。 この課題は、多様な視覚的手がかりを理解し、クエリとサポートイメージの微妙な対応関係を解析することである。 この問題に対処するために,マルチレベル特徴相関と効率的な4次元畳み込みを利用したハイパーコリレーション・スクイーズネットワーク(hsnet)を提案する。 様々なレベルの中間畳み込み層から多様な特徴を抽出し、4次元相関テンソルの集合、すなわち超相関を構成する。 ピラミッド構造における効率のよい中心ピボット4D畳み込みを用いて、ハイパー相関の高レベル意味と低レベル幾何学的手がかりを粗い方法で正確にセグメンテーションマスクに徐々に絞り込む。 PASCAL-5i, COCO-20i, FSS-1000の標準ショットセグメンテーションベンチマークの大幅な性能改善により, 提案手法の有効性が検証された。

関連論文リスト

• Boosting Few-Shot Segmentation via Instance-Aware Data Augmentation and Local Consensus Guided Cross Attention [7.939095881813804]
  少ないショットセグメンテーションは、注釈付き画像のみを提供する新しいタスクに迅速に適応できるセグメンテーションモデルをトレーニングすることを目的としている。 本稿では,対象オブジェクトの相対的サイズに基づいて,サポートイメージを拡大するIDA戦略を提案する。 提案したIDAは,サポートセットの多様性を効果的に向上し,サポートイメージとクエリイメージ間の分散一貫性を促進する。
  論文  参考訳（メタデータ） (2024-01-18T10:29:10Z)
• Efficient Semantic Matching with Hypercolumn Correlation [58.92933923647451]
  HCCNetは効率的で効果的なセマンティックマッチング手法である。 マルチスケール相関写像の完全なポテンシャルを利用する。 4D相関マップ上では、高価なマッチング関係のマイニングに頼っている。
  論文  参考訳（メタデータ） (2023-11-07T20:40:07Z)
• Hierarchical Dense Correlation Distillation for Few-Shot Segmentation [46.696051965252934]
  Few-shot semantic segmentation (FSS) は、いくつかのアノテーションだけで見えないクラスをセグメンテーションするクラスに依存しないモデルを構築することを目的としている。 我々は、トランスアーキテクチャに基づく階層的分離マッチングネットワーク(HDMNet)マイニングピクセルレベルのサポート相関を設計する。 本稿では,列車セットの過度適合を低減し,粗い分解から意味対応を生かした相関蒸留を導入し,細粒度セグメンテーションを向上するマッチングモジュールを提案する。
  論文  参考訳（メタデータ） (2023-03-26T08:13:12Z)
• FECANet: Boosting Few-Shot Semantic Segmentation with Feature-Enhanced Context-Aware Network [48.912196729711624]
  Few-shot セマンティックセグメンテーション(Few-shot semantic segmentation)は、新しいクラスの各ピクセルを、わずかに注釈付きサポートイメージで検索するタスクである。 本稿では,クラス間の類似性に起因するマッチングノイズを抑制するために,機能拡張コンテキスト認識ネットワーク(FECANet)を提案する。 さらに,前景と背景の余分な対応関係を符号化する新たな相関再構成モジュールを提案する。
  論文  参考訳（メタデータ） (2023-01-19T16:31:13Z)
• Inverse Quantum Fourier Transform Inspired Algorithm for Unsupervised Image Segmentation [2.4271601178529063]
  IQFTの基本的な数学的構造を利用して,新しいIQFTインスパイアされたアルゴリズムを提案し,実装した。 提案手法は,画像中の画素の位相情報を利用して,画素の強度をクビット相対位相に符号化し,IQFTを適用して画素を異なるセグメントに自動かつ効率的に分類する。 提案手法は,PASCAL VOC 2012セグメンテーションベンチマークとxVIEW2チャレンジデータセットにおいて,平均的インターセクション・オーバー・ユニオン(mIOU)で最大50%性能を向上する。
  論文  参考訳（メタデータ） (2023-01-11T20:28:44Z)
• Dense Gaussian Processes for Few-Shot Segmentation [66.08463078545306]
  本稿では,高密度ガウス過程(GP)回帰に基づく数発のセグメンテーション法を提案する。 GPの高次元出力空間を学習するために,提案手法のエンドツーエンド学習機能を利用する。 提案手法では,PASCAL-5$i$とCOCO-20$i$のベンチマークで,1ショットと5ショットのFSSをそれぞれ新たな最先端に設定する。
  論文  参考訳（メタデータ） (2021-10-07T17:57:54Z)
• Deep Gaussian Processes for Few-Shot Segmentation [66.08463078545306]
  少数ショットのセグメンテーションは難しい作業であり、いくつかの注釈付きサンプルから一般化可能な表現を抽出する必要がある。 ガウス過程(GP)回帰に基づく数ショット学習者定式化を提案する。 PASCAL-5i と COCO-20i では mIoU スコアが68.1 と 49.8 である。
  論文  参考訳（メタデータ） (2021-03-30T17:56:32Z)
• Group-Wise Semantic Mining for Weakly Supervised Semantic Segmentation [49.90178055521207]
  この研究は、画像レベルのアノテーションとピクセルレベルのセグメンテーションのギャップを埋めることを目標に、弱い監督されたセマンティックセグメンテーション(WSSS)に対処する。 画像群における意味的依存関係を明示的にモデル化し,より信頼性の高い擬似的基盤構造を推定する,新たなグループ学習タスクとしてWSSSを定式化する。 特に、入力画像がグラフノードとして表現されるグループ単位のセマンティックマイニングのためのグラフニューラルネットワーク(GNN)を考案する。
  論文  参考訳（メタデータ） (2020-12-09T12:40:13Z)

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。