論文の概要: SemIE: Semantically-aware Image Extrapolation

• arxiv url: http://arxiv.org/abs/2108.13702v1
• Date: Tue, 31 Aug 2021 09:31:27 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-01 14:40:19.923414
• Title: SemIE: Semantically-aware Image Extrapolation
• Title（参考訳）: SemIE:Semantically-aware Image Extrapolation
• Authors: Bholeshwar Khurana, Soumya Ranjan Dash, Abhishek Bhatia, Aniruddha Mahapatra, Hrituraj Singh, Kuldeep Kulkarni
• Abstract要約: 画像外挿を行うための意味的に認識可能な新しいパラダイムを提案する。 提案手法は (i) 既に存在するオブジェクトを拡張することに焦点を当て、 (ii) コンテキストに基づいて拡張された領域に新しいオブジェクトを追加することに焦点を当てている。 我々はCityscapesとADE20K-bedroomデータセットの実験を行い、FIDとオブジェクト共起統計における類似性の観点から、本手法がすべてのベースラインより優れていることを示す。
• 参考スコア（独自算出の注目度）: 1.5588799679661636
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We propose a semantically-aware novel paradigm to perform image extrapolation that enables the addition of new object instances. All previous methods are limited in their capability of extrapolation to merely extending the already existing objects in the image. However, our proposed approach focuses not only on (i) extending the already present objects but also on (ii) adding new objects in the extended region based on the context. To this end, for a given image, we first obtain an object segmentation map using a state-of-the-art semantic segmentation method. The, thus, obtained segmentation map is fed into a network to compute the extrapolated semantic segmentation and the corresponding panoptic segmentation maps. The input image and the obtained segmentation maps are further utilized to generate the final extrapolated image. We conduct experiments on Cityscapes and ADE20K-bedroom datasets and show that our method outperforms all baselines in terms of FID, and similarity in object co-occurrence statistics.
• Abstract（参考訳）: 本稿では,新しいオブジェクトインスタンスの追加を可能にする画像外挿を行うための,意味論的に認識する新しいパラダイムを提案する。 以前のすべてのメソッドは、画像にすでに存在するオブジェクトを拡張するだけで、外挿の能力に制限がある。 しかし、提案手法では、(i)既に存在するオブジェクトを拡張するだけでなく(ii)コンテキストに基づいた拡張領域に新しいオブジェクトを追加することに焦点を当てている。 この目的のために、与えられた画像に対して、まず、最先端意味セグメンテーション法を用いた対象セグメンテーションマップを得る。 これにより、得られたセグメンテーションマップをネットワークに入力し、外挿されたセグメンテーションと対応するパノプティックセグメンテーションマップを算出する。 さらに入力画像と得られたセグメンテーションマップを利用して最終的な外挿画像を生成する。 我々は,都市景観とade20kベッドルームデータセットについて実験を行い,fidの点では全てのベースラインを上回り,オブジェクト共起統計では類似性を示す。

関連論文リスト

• ReFit: A Framework for Refinement of Weakly Supervised Semantic Segmentation using Object Border Fitting for Medical Images [4.945138408504987]
  Weakly Supervised Semantic (WSSS)は、画像レベルの監視のみに依存しているため、ネットワークの必要性に対処する上で有望なアプローチである。 本稿では,最新クラスのアクティベーションマップとポストプロセッシング手法を組み合わせたReFitフレームワークを提案する。 本手法をWSSS予測に適用することにより,医用画像の最先端WSSS法に対して最大10%の改善を実現した。
  論文  参考訳（メタデータ） (2023-03-14T12:46:52Z)
• Object-Guided Instance Segmentation With Auxiliary Feature Refinement for Biological Images [58.914034295184685]
  サンプルセグメンテーションは、神経細胞相互作用の研究、植物の表現型化、細胞が薬物治療にどう反応するかを定量的に測定するなど、多くの生物学的応用において非常に重要である。 Boxベースのインスタンスセグメンテーションメソッドは、バウンディングボックスを介してオブジェクトをキャプチャし、各バウンディングボックス領域内で個々のセグメンテーションを実行する。 提案手法は,まずオブジェクトの中心点を検出し,そこから境界ボックスパラメータが予測される。 セグメンテーションブランチは、オブジェクト特徴をガイダンスとして再利用し、同じバウンディングボックス領域内の隣のオブジェクトからターゲットオブジェクトを分離する。
  論文  参考訳（メタデータ） (2021-06-14T04:35:36Z)
• SOSD-Net: Joint Semantic Object Segmentation and Depth Estimation from Monocular images [94.36401543589523]
  これら2つのタスクの幾何学的関係を利用するための意味的対象性の概念を紹介します。 次に, 対象性仮定に基づくセマンティックオブジェクト・深さ推定ネットワーク(SOSD-Net)を提案する。 私たちの知識を最大限に活用するために、SOSD-Netは同時単眼深度推定とセマンティックセグメンテーションのためのジオメトリ制約を利用する最初のネットワークです。
  論文  参考訳（メタデータ） (2021-01-19T02:41:03Z)
• Rethinking Interactive Image Segmentation: Feature Space Annotation [68.8204255655161]
  本稿では,特徴空間投影による複数画像からの対話的・同時セグメントアノテーションを提案する。 本手法は,前景セグメンテーションデータセットにおける最先端手法の精度を上回ることができることを示す。
  論文  参考訳（メタデータ） (2021-01-12T10:13:35Z)
• Weakly-Supervised Semantic Segmentation via Sub-category Exploration [73.03956876752868]
  我々は、オブジェクトの他の部分に注意を払うために、ネットワークを強制する単純で効果的なアプローチを提案する。 具体的には、画像の特徴をクラスタリングして、アノテーション付き親クラスごとに擬似サブカテゴリラベルを生成する。 提案手法の有効性を検証し,提案手法が最先端手法に対して良好に機能することを示す。
  論文  参考訳（メタデータ） (2020-08-03T20:48:31Z)
• 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)
• Mining Cross-Image Semantics for Weakly Supervised Semantic Segmentation [128.03739769844736]
  2つのニューラルコアテンションを分類器に組み込んで、画像間のセマンティックな類似点と相違点をキャプチャする。 オブジェクトパターン学習の強化に加えて、コアテンションは他の関連する画像からのコンテキストを活用して、ローカライズマップの推論を改善することができる。 提案アルゴリズムは,これらすべての設定に対して新たな最先端性を設定し,その有効性と一般化性を示す。
  論文  参考訳（メタデータ） (2020-07-03T21:53:46Z)
• Instance segmentation of buildings using keypoints [26.220921532554136]
  本稿では,高分解能リモートセンシング画像におけるセグメンテーションを構築するための新しいインスタンスセグメンテーションネットワークを提案する。 検出されたキーポイントはその後、建物のセマンティック境界である閉ポリゴンとして再構成される。 我々のネットワークは、幾何学的詳細をよく保存できるボトムアップのインスタンスセグメンテーション手法である。
  論文  参考訳（メタデータ） (2020-06-06T13:11:37Z)

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。