論文の概要: Inter Extreme Points Geodesics for Weakly Supervised Segmentation

• arxiv url: http://arxiv.org/abs/2107.00583v1
• Date: Thu, 1 Jul 2021 16:16:50 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-02 13:43:57.650513
• Title: Inter Extreme Points Geodesics for Weakly Supervised Segmentation
• Title（参考訳）: 弱教師付きセグメンテーションのための極点間測地
• Authors: Reuben Dorent, Samuel Joutard, Jonathan Shapey, Aaron Kujawa, Marc Modat, Sebastien Ourselin, Tom Vercauteren
• Abstract要約: $textitInExtremIS$は、ディープイメージセグメンテーションネットワークをトレーニングするための弱い教師付き3Dアプローチである。 私たちの完全自動メソッドはエンドツーエンドで訓練されており、テストタイムアノテーションは一切必要ありません。
• 参考スコア（独自算出の注目度）: 2.5772212255258777
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce $\textit{InExtremIS}$, a weakly supervised 3D approach to train a deep image segmentation network using particularly weak train-time annotations: only 6 extreme clicks at the boundary of the objects of interest. Our fully-automatic method is trained end-to-end and does not require any test-time annotations. From the extreme points, 3D bounding boxes are extracted around objects of interest. Then, deep geodesics connecting extreme points are generated to increase the amount of "annotated" voxels within the bounding boxes. Finally, a weakly supervised regularised loss derived from a Conditional Random Field formulation is used to encourage prediction consistency over homogeneous regions. Extensive experiments are performed on a large open dataset for Vestibular Schwannoma segmentation. $\textit{InExtremIS}$ obtained competitive performance, approaching full supervision and outperforming significantly other weakly supervised techniques based on bounding boxes. Moreover, given a fixed annotation time budget, $\textit{InExtremIS}$ outperforms full supervision. Our code and data are available online.
• Abstract（参考訳）: InExtremIS}$は、特に弱いトレインタイムアノテーションを使ってディープイメージセグメンテーションネットワークをトレーニングするための、弱い教師付き3Dアプローチである。 完全な自動メソッドはエンドツーエンドでトレーニングされ、テスト時のアノテーションは不要です。 極端な点から、3dバウンディングボックスは興味のあるオブジェクトの周りに抽出される。 そして、極端点を結ぶ深い測地線を生成し、境界ボックス内の「注釈付き」ボクセルの量を増加させる。 最後に、条件付き確率場定式化に由来する弱教師付き正規化損失を用いて、均質領域における予測一貫性を促進する。 広汎な実験は、前庭性Schwannomaセグメンテーションのための大きなオープンデータセット上で実施される。 $\textit{inextremis}$ 競争性能を獲得し、完全な監督に近づき、バウンディングボックスに基づいた他の弱い監督技術よりも優れている。 さらに、固定されたアノテーションの時間予算が与えられた場合、$\textit{InExtremIS}$は完全な監視に優れます。 私たちのコードとデータはオンラインで利用可能です。

関連論文リスト

• Bayesian Self-Training for Semi-Supervised 3D Segmentation [59.544558398992386]
  3Dセグメンテーションはコンピュータビジョンの中核的な問題である。 完全に教師されたトレーニングを採用するために、3Dポイントクラウドを密にラベル付けすることは、労働集約的で高価です。 半教師付きトレーニングは、ラベル付きデータの小さなセットのみを付与し、より大きなラベル付きデータセットを伴って、より実用的な代替手段を提供する。
  論文  参考訳（メタデータ） (2024-09-12T14:54:31Z)
• Temporal Action Localization with Enhanced Instant Discriminability [66.76095239972094]
  時間的行動検出(TAD)は、すべての行動境界とその対応するカテゴリを、トリミングされていないビデオで検出することを目的としている。 本稿では,既存の手法による動作境界の不正確な予測を解決するために,TriDetという一段階のフレームワークを提案する。 実験結果から,複数のTADデータセット上でのTriDetの堅牢性と最先端性能が示された。
  論文  参考訳（メタデータ） (2023-09-11T16:17:50Z)
• 3D Medical Image Segmentation with Sparse Annotation via Cross-Teaching between 3D and 2D Networks [26.29122638813974]
  本稿では,3次元ネットワークと2次元ネットワークの相互学習を用いて,スパースアノテーションから頑健に学習できるフレームワークを提案する。 MMWHSデータセットに対する実験結果から,本手法は最先端(SOTA)半教師付きセグメンテーション法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-30T15:26:17Z)
• Constraint and Union for Partially-Supervised Temporal Sentence Grounding [70.70385299135916]
  時間的文接頭辞は、与えられた未編集ビデオから自然言語クエリによって記述された事象のタイムスタンプを検出することを目的としている。 既存の完全教師付き設定は優れたパフォーマンスを実現するが、高価なアノテーションコストを必要とする。 本稿では、中間的な部分教師付き設定、すなわち、トレーニング中に利用可能なショートクリップやシングルフレームラベルについて紹介する。
  論文  参考訳（メタデータ） (2023-02-20T09:14:41Z)
• Exploring Active 3D Object Detection from a Generalization Perspective [58.597942380989245]
  不確実性に基づくアクティブな学習ポリシーは、ポイントクラウドの情報性とボックスレベルのアノテーションコストの間のトレードオフのバランスを取れません。 冗長な3次元境界ボックスラベルの点群を階層的にフィルタリングするtextscCrbを提案する。 実験により,提案手法が既存のアクティブラーニング戦略より優れていることが示された。
  論文  参考訳（メタデータ） (2023-01-23T02:43:03Z)
• Box2Seg: Learning Semantics of 3D Point Clouds with Box-Level Supervision [65.19589997822155]
  我々は3Dポイントクラウドのポイントレベルのセマンティクスをバウンディングボックスレベルの監視で学習するために,Box2Segと呼ばれるニューラルアーキテクチャを導入する。 提案するネットワークは,安価な,あるいは既定のバウンディングボックスレベルのアノテーションやサブクラウドレベルのタグでトレーニング可能であることを示す。
  論文  参考訳（メタデータ） (2022-01-09T09:07:48Z)
• Point Cloud Instance Segmentation with Semi-supervised Bounding-Box Mining [17.69745159912481]
  ラベル付きおよび未ラベルのバウンディングボックスを監視として使用した,最初の半教師付きポイントクラウドインスタンスセグメンテーションフレームワーク(SPIB)を紹介した。 提案手法は,近年の完全教師付き手法と比較して,競争性能が向上する。
  論文  参考訳（メタデータ） (2021-11-30T08:40:40Z)
• Affinity Attention Graph Neural Network for Weakly Supervised Semantic Segmentation [86.44301443789763]
  弱教師付きセマンティックセグメンテーションのための親和性注意グラフニューラルネットワーク(A2$GNN)を提案する。 提案手法は,Pascal VOC 2012データセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2021-06-08T02:19:21Z)
• Polygon-free: Unconstrained Scene Text Detection with Box Annotations [39.74109294551322]
  本研究では,ポリゴンフリー(PF)と呼ばれる制約のないテキスト検出システムを提案する。 PFはアップライトなバウンディングボックスアノテーションでのみトレーニングされる。 実験では、PFが一般的な検出器を組み合わせることで驚くほど高品質なピクセルレベルの結果が得られることを示した。
  論文  参考訳（メタデータ） (2020-11-26T14:19:33Z)
• Salient Instance Segmentation with Region and Box-level Annotations [3.1458035003538884]
  新たな世代の唾液濃度検出は、ビデオ監視の強力な理論的および技術的基盤を提供する。 既存のデータセットの規模が限られており、マスクアノテーションのコストが高いため、優れたパフォーマンスの優れたインスタンスモデルをトレーニングするためには、緊急に多くの監視ソースが必要になります。 本稿では, 厳密なラベル付けに頼らずに, 厳密な監視を施した新規な健全なインスタンスセグメンテーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-08-19T03:43:45Z)

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。