論文の概要: Personalized Image Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2107.13978v1
• Date: Sat, 24 Jul 2021 04:03:11 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-01 11:06:33.450182
• Title: Personalized Image Semantic Segmentation
• Title（参考訳）: パーソナライズされた画像セマンティックセグメンテーション
• Authors: Yu Zhang and Chang-Bin Zhang and Peng-Tao Jiang and Feng Mao and Ming-Ming Cheng
• Abstract要約: ラベルのないパーソナライズされた画像に対して、データのパーソナライズされた特徴を調査することにより、より正確なセグメンテーション結果を生成する。 画像のセグメント化時に画像間コンテキストを組み込んだベースライン手法を提案する。 コードとPSSデータセットは公開されます。
• 参考スコア（独自算出の注目度）: 58.980245748434
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Semantic segmentation models trained on public datasets have achieved great success in recent years. However, these models didn't consider the personalization issue of segmentation though it is important in practice. In this paper, we address the problem of personalized image segmentation. The objective is to generate more accurate segmentation results on unlabeled personalized images by investigating the data's personalized traits. To open up future research in this area, we collect a large dataset containing various users' personalized images called PIS (Personalized Image Semantic Segmentation). We also survey some recent researches related to this problem and report their performance on our dataset. Furthermore, by observing the correlation among a user's personalized images, we propose a baseline method that incorporates the inter-image context when segmenting certain images. Extensive experiments show that our method outperforms the existing methods on the proposed dataset. The code and the PIS dataset will be made publicly available.
• Abstract（参考訳）: 公開データセットでトレーニングされたセマンティックセグメンテーションモデルは近年大きな成功を収めている。 しかし,これらのモデルは,実際には重要ではあるがセグメンテーションのパーソナライズ問題を考慮しなかった。 本稿では,パーソナライズされた画像分割の問題に対処する。 その目的は、データのパーソナライズされた特徴を調べることによって、ラベルのないパーソナライズされた画像のより正確なセグメンテーション結果を生成することである。 そこで本研究では,PSS(Personalized Image Semantic Segmentation)と呼ばれる,ユーザのパーソナライズされた画像を含む大規模なデータセットを収集する。 また、この問題に関する最近の研究を調査し、その性能をデータセットで報告する。 さらに,ユーザのパーソナライズされた画像間の相関を観察することにより,画像分割時に画像間コンテキストを組み込むベースライン手法を提案する。 実験の結果,提案手法は既存の手法よりも優れていることがわかった。 コードとpisデータセットは公開される予定だ。

関連論文リスト

• Self-Correlation and Cross-Correlation Learning for Few-Shot Remote Sensing Image Semantic Segmentation [27.59330408178435]
  リモートセマンティックセマンティックセマンティックセマンティクスは、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トすることを学ぶことを目的としている。 本稿では,数発のリモートセンシング画像セマンティックセマンティックセグメンテーションのための自己相関・相互相関学習ネットワークを提案する。 本モデルは,サポート画像とクエリ画像の自己相関と相互相関の両方を考慮し,一般化を促進させる。
  論文  参考訳（メタデータ） (2023-09-11T21:53:34Z)
• Unsupervised Domain Adaptation for Medical Image Segmentation via Feature-space Density Matching [0.0]
  本稿ではセマンティックセグメンテーションのための教師なしドメイン適応手法を提案する。 対象データ分布を特徴空間のソースとマッチングする。 提案手法の有効性を2つのデータセット,多部位前立腺MRI,病理組織像に示す。
  論文  参考訳（メタデータ） (2023-05-09T22:24:46Z)
• EasyPortrait -- Face Parsing and Portrait Segmentation Dataset [79.16635054977068]
  リアルタイムの背景除去や顔の美化といったコンピュータビジョンベースの機能を実現することで,ビデオ会議アプリが機能的になった。 これらのタスクを同時に行うために、新しいデータセット、EasyPortraitを作成します。 13,705人のユニークなユーザーと9つのクラスに分かれたきめ細かいセグメンテーションマスクを備えた、ビデオ会議のシナリオを繰り返す4万枚の屋内写真が含まれている。
  論文  参考訳（メタデータ） (2023-04-26T12:51:34Z)
• Improving CT Image Segmentation Accuracy Using StyleGAN Driven Data Augmentation [42.034896915716374]
  本稿では,公開可能な大規模医療データセットをセグメント化するためのStyleGANによるアプローチを提案する。 スタイル転送はトレーニングデータセットを拡張し、新しい解剖学的音声画像を生成するために使用される。 次に、拡張データセットを使用してU-Netセグメンテーションネットワークをトレーニングし、セグメンテーション精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-02-07T06:34:10Z)
• High-Quality Entity Segmentation [110.55724145851725]
  CropFormerは高解像度画像におけるインスタンスレベルのセグメンテーションの難易度に対処するために設計されている。 よりきめ細かい画像とフルイメージを提供する高解像度の画像作物を融合することで、マスク予測を改善する。 CropFormerでは、難易度の高いエンティティセグメンテーションタスクで1.9ドルという大きなAP利益を達成しています。
  論文  参考訳（メタデータ） (2022-11-10T18:58:22Z)
• Multi-dataset Pretraining: A Unified Model for Semantic Segmentation [97.61605021985062]
  我々は、異なるデータセットの断片化アノテーションを最大限に活用するために、マルチデータセット事前訓練と呼ばれる統合フレームワークを提案する。 これは、複数のデータセットに対して提案されたピクセルからプロトタイプへのコントラスト損失を通じてネットワークを事前トレーニングすることで実現される。 異なるデータセットからの画像とクラス間の関係をより良くモデル化するために、クロスデータセットの混合によりピクセルレベルの埋め込みを拡張する。
  論文  参考訳（メタデータ） (2021-06-08T06:13:11Z)
• SCNet: Enhancing Few-Shot Semantic Segmentation by Self-Contrastive Background Prototypes [56.387647750094466]
  Few-shot セマンティックセマンティックセマンティクスは,クエリイメージ内の新規クラスオブジェクトを,アノテーション付きの例で分割することを目的としている。 先進的なソリューションのほとんどは、各ピクセルを学習した前景のプロトタイプに合わせることでセグメンテーションを行うメトリクス学習フレームワークを利用している。 このフレームワークは、前景プロトタイプのみとのサンプルペアの不完全な構築のために偏った分類に苦しんでいます。
  論文  参考訳（メタデータ） (2021-04-19T11:21:47Z)
• DatasetGAN: Efficient Labeled Data Factory with Minimal Human Effort [117.41383937100751]
  現在のディープネットワークは、大規模なデータセットのトレーニングの恩恵を受ける、非常にデータハングリーです。 GAN潜入コードがどのようにデコードされ、イメージのセマンティックセグメンテーションを生成するかを示す。 これらの生成されたデータセットは、実際のデータセットと同じように、コンピュータビジョンアーキテクチャのトレーニングに使用できます。
  論文  参考訳（メタデータ） (2021-04-13T20:08:29Z)

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。