論文の概要: Large-scale image segmentation based on distributed clustering algorithms

• arxiv url: http://arxiv.org/abs/2106.10795v1
• Date: Mon, 21 Jun 2021 01:11:49 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-23 05:35:10.611276
• Title: Large-scale image segmentation based on distributed clustering algorithms
• Title（参考訳）: 分散クラスタリングアルゴリズムに基づく大規模画像分割
• Authors: Ran Lu, Aleksandar Zlateski and H. Sebastian Seung
• Abstract要約: 3次元画像セグメンテーションへの多くのアプローチは、画像領域へのスーパーボクセルの階層的クラスタリングに基づいている。 ここでは,膨大な数のスーパーボクセルを処理可能な分散アルゴリズムについて述べる。 本研究では3次元電子顕微鏡脳画像から得られた135億超語彙間の1.5兆のエッジを持つ親和性グラフをクラスタリングしてアルゴリズムを実証する。
• 参考スコア（独自算出の注目度）: 70.8481702473572
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many approaches to 3D image segmentation are based on hierarchical clustering of supervoxels into image regions. Here we describe a distributed algorithm capable of handling a tremendous number of supervoxels. The algorithm works recursively, the regions are divided into chunks that are processed independently in parallel by multiple workers. At each round of the recursive procedure, the chunk size in all dimensions are doubled until a single chunk encompasses the entire image. The final result is provably independent of the chunking scheme, and the same as if the entire image were processed without division into chunks. This is nontrivial because a pair of adjacent regions is scored by some statistical property (e.g. mean or median) of the affinities at the interface, and the interface may extend over arbitrarily many chunks. The trick is to delay merge decisions for regions that touch chunk boundaries, and only complete them in a later round after the regions are fully contained within a chunk. We demonstrate the algorithm by clustering an affinity graph with over 1.5 trillion edges between 135 billion supervoxels derived from a 3D electron microscopic brain image.
• Abstract（参考訳）: 3次元画像セグメンテーションへの多くのアプローチは、画像領域へのスーパーボクセルの階層的クラスタリングに基づいている。 ここでは,膨大な数のスーパーボクセルを扱う分散アルゴリズムについて述べる。 アルゴリズムは再帰的に機能し、領域は複数のワーカーによって独立に処理されるチャンクに分割される。 再帰的手続きの各ラウンドにおいて、すべての次元のチャンクサイズは、1つのチャンクがイメージ全体を包含するまで倍増する。 最終的な結果はチャンキングスキームとは明確に独立しており、イメージ全体がチャンクに分割せずに処理されたのと同じである。 これは、隣接する一対の領域がある統計的性質(例えば)によってスコアされるため、自明ではない。 平均または中央値はインターフェースの親和性であり、インターフェイスは任意に多くのチャンクにわたって拡張される。 トリックは、チャンク境界に触れる領域のマージ決定を遅らせ、その領域がチャンク内に完全に含まれた後のみ、後続のラウンドで完了することである。 本研究では3次元電子顕微鏡脳画像から得られた135億超語彙間の1.5兆のエッジを持つ親和性グラフをクラスタリングしてアルゴリズムを実証する。

関連論文リスト

• Parallel Watershed Partitioning: GPU-Based Hierarchical Image Segmentation [4.560718678349679]
  多くの画像処理アプリケーションは、画像が「類似した」画素の非結合領域に分割することに依存している。 機械学習に基づくセマンティックセグメンテーションのための前処理ステップとして,この完全決定論的イメージパーティショニングを利用する方法を示す。
  論文  参考訳（メタデータ） (2024-10-11T16:15:43Z)
• View-Consistent Hierarchical 3D Segmentation Using Ultrametric Feature Fields [52.08335264414515]
  我々は3次元シーンを表すニューラル・レージアンス・フィールド(NeRF)内の新しい特徴場を学習する。 本手法は、ビュー一貫性の多粒性2Dセグメンテーションを入力とし、3D一貫性のセグメンテーションの階層構造を出力として生成する。 提案手法と,多視点画像と多粒性セグメンテーションを用いた合成データセットのベースラインの評価を行い,精度と視点整合性を向上したことを示す。
  論文  参考訳（メタデータ） (2024-05-30T04:14:58Z)
• Iterative Next Boundary Detection for Instance Segmentation of Tree Rings in Microscopy Images of Shrub Cross Sections [58.720142291102135]
  反復次境界検出(INBD)と呼ばれる新しい反復法を提案する。 自然成長方向を直感的にモデル化し、低木断面の中心から始まり、各ステップにおける次のリング境界を検出する。 我々の実験では、INBDはジェネリックインスタンスセグメンテーション法よりも優れた性能を示し、時間順の概念を組み込んだ唯一の方法である。
  論文  参考訳（メタデータ） (2022-12-06T14:49:41Z)
• Counting Objects by Diffused Index: geometry-free and training-free approach [0.0]
  画像中のオブジェクト数をカウントするために,拡散型,幾何学的,学習自由な手法を提案する。 主なアイデアは、その強さや大きさに関わらず、各オブジェクトをユニークなインデックス値で表現することである。 生物細胞,農業,コンサート,輸送など,様々な用途に計数結果を提示した。
  論文  参考訳（メタデータ） (2021-10-15T20:53:37Z)
• A Divide-and-Merge Point Cloud Clustering Algorithm for LiDAR Panoptic Segmentation [9.910277829897744]
  LiDARポイントクラウドからのオブジェクトのクラスタリングは、自律運転など多くのアプリケーションにおいて重要な研究課題である。 本稿では,分割結合型LiDARクラスタリングアルゴリズムを提案する。 C++で実装され、python関数としてラップされる。
  論文  参考訳（メタデータ） (2021-09-16T21:15:25Z)
• A Novel Falling-Ball Algorithm for Image Segmentation [0.14337588659482517]
  領域ベースセグメンテーションアルゴリズムである領域ベースFalling-Ballアルゴリズムを提案する。 提案アルゴリズムは,丘陵地帯から落下する球が捕集流域で止まると仮定して,捕集流域を検出する。
  論文  参考訳（メタデータ） (2021-05-06T12:41:10Z)
• InfinityGAN: Towards Infinite-Resolution Image Synthesis [92.40782797030977]
  任意の解像度画像を生成するinfinityganを提案する。 少ない計算資源でパッチバイパッチをシームレスに訓練し、推論する方法を示す。
  論文  参考訳（メタデータ） (2021-04-08T17:59:30Z)
• 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)
• Saliency Enhancement using Gradient Domain Edges Merging [65.90255950853674]
  本研究では,エッジとサリエンシマップをマージして,サリエンシマップの性能を向上させる手法を開発した。 これにより、DUT-OMRONデータセットの少なくとも3.4倍の平均的な改善により、エッジ(SEE)を使用したサリエンシ向上が提案された。 SEEアルゴリズムは前処理のためのSEE-Preと後処理のためのSEE-Postの2つの部分に分けられる。
  論文  参考訳（メタデータ） (2020-02-11T14:04:56Z)
• The Semantic Mutex Watershed for Efficient Bottom-Up Semantic Instance Segmentation [15.768804877756384]
  本稿では,共同グラフ分割とラベリングのためのグリーディアルゴリズムを提案する。 アルゴリズムの効率のため、イメージをスーパーピクセルにオーバーセグメンテーションすることなく、直接ピクセル上で操作することができる。
  論文  参考訳（メタデータ） (2019-12-29T19:48:39Z)

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。