Fugu-MT 論文翻訳(概要): UCP-Net: Unstructured Contour Points for Instance Segmentation

論文の概要: UCP-Net: Unstructured Contour Points for Instance Segmentation

arxiv url: http://arxiv.org/abs/2109.07592v1
Date: Wed, 15 Sep 2021 22:03:37 GMT
ステータス: 処理完了
システム内更新日: 2021-09-17 13:59:47.572416
Title: UCP-Net: Unstructured Contour Points for Instance Segmentation
Title（参考訳）: ucp-net: セグメンテーションのための非構造化輪郭点
Authors: Camille Dupont, Yanis Ouakrim and Quoc Cuong Pham
Abstract要約: 本稿では,初期セグメンテーションとセグメンテーションの洗練のために,制約のない輪郭クリックに基づく対話型セグメンテーションを提案する。本手法は分類に依存しず,一般的なセグメンテーションデータセットの最先端手法よりもユーザインタラクションの少ない精度のセグメンテーションマスク(IoU > 85%)を生成する。
参考スコア（独自算出の注目度）: 2.105564340986074
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The goal of interactive segmentation is to assist users in producing segmentation masks as fast and as accurately as possible. Interactions have to be simple and intuitive and the number of interactions required to produce a satisfactory segmentation mask should be as low as possible. In this paper, we propose a novel approach to interactive segmentation based on unconstrained contour clicks for initial segmentation and segmentation refinement. Our method is class-agnostic and produces accurate segmentation masks (IoU > 85%) for a lower number of user interactions than state-of-the-art methods on popular segmentation datasets (COCO MVal, SBD and Berkeley).
Abstract（参考訳）: インタラクティブセグメンテーションの目的は、ユーザがセグメンテーションマスクをできるだけ早く正確に作成できるようにすることである。相互作用は単純で直感的であり、良好なセグメンテーションマスクを生成するために必要な相互作用の数は可能な限り少なくなければならない。本稿では,初期セグメンテーションとセグメンテーション改善のための,制約のない輪郭クリックに基づくインタラクティブセグメンテーションの新たなアプローチを提案する。本手法は, 一般的なセグメンテーションデータセット(COCO MVal, SBD, バークレー)の最先端手法に比べて, 精度の高いセグメンテーションマスク(IoU > 85%)を生成する。

関連論文リスト

Variance-insensitive and Target-preserving Mask Refinement for Interactive Image Segmentation [68.16510297109872]
ポイントベースのインタラクティブなイメージセグメンテーションは、セマンティックセグメンテーションや画像編集といったアプリケーションにおけるマスクアノテーションの負担を軽減することができる。本稿では,ユーザ入力の少ないセグメンテーション品質を向上する新しい手法である可変無感・ターゲット保存マスクリファインメントを提案する。 GrabCut、バークレー、SBD、DAVISデータセットの実験は、インタラクティブな画像セグメンテーションにおける我々の手法の最先端性能を実証している。
論文参考訳（メタデータ） (2023-12-22T02:31:31Z)
Synthetic Instance Segmentation from Semantic Image Segmentation Masks [15.477053085267404]
我々は、Synthetic Instance(SISeg)と呼ばれる新しいパラダイムを提案する。 SISegインスタンスセグメンテーションの結果は、既存のセマンティックセグメンテーションモデルによって生成されたイメージマスクを活用する。言い換えれば、提案モデルは余分な人力や高い計算コストを必要としない。
論文参考訳（メタデータ） (2023-08-02T05:13:02Z)
DynaMITe: Dynamic Query Bootstrapping for Multi-object Interactive Segmentation Transformer [58.95404214273222]
最先端のインスタンスセグメンテーション手法の多くは、訓練のために大量のピクセル精度のグランドトルースに依存している。ユーザインタラクションを時間的クエリとして表現するDynaMITeという,より効率的なアプローチを導入する。我々のアーキテクチャはまた、改善中にイメージ機能を再計算する必要をなくし、単一のイメージに複数のインスタンスをセグメント化するためのインタラクションを少なくする。
論文参考訳（メタデータ） (2023-04-13T16:57:02Z)
Exploring Cycle Consistency Learning in Interactive Volume Segmentation [39.000842538436714]
我々は2つの切り離されたモジュール(インタラクション・ツー・セグメンテーションとセグメンテーションの伝搬)を介して医療ボリュームセグメンテーションに対話的にアプローチする。本稿では、開始スライス中の正確なセグメンテーションを参照することにより、中間セグメンテーションを規則化する、シンプルで効果的なサイクル整合損失を提案する。サイクル整合性トレーニングでは、伝播ネットワークは標準のフォワードオンリーのトレーニングアプローチよりも規則化された。
論文参考訳（メタデータ） (2023-03-11T20:25:05Z)
Temporal Segment Transformer for Action Segmentation [54.25103250496069]
本稿では,テキスト・セグメント・トランスフォーマ (textittemporal segment transformer) と呼ぶアテンション・ベース・アプローチを提案する。主な考え方は、セグメントとフレームの間の注意を用いてセグメント表現を識別することであり、またセグメント間の時間的相関を捉えるためにセグメント間注意を用いる。このアーキテクチャは,50Salads,GTEA,Breakfastのベンチマークにおいて,最先端の精度を実現していることを示す。
論文参考訳（メタデータ） (2023-02-25T13:05:57Z)
Contour-based Interactive Segmentation [4.164728134421114]
ユーザインタラクションの自然な形態をゆるい輪郭とみなし、輪郭に基づく対話的セグメンテーション手法を導入する。一つの輪郭が複数のクリックと同じ精度で、ユーザインタラクションの必要量を減らすことを実証する。
論文参考訳（メタデータ） (2023-02-13T13:35:26Z)
Masked Supervised Learning for Semantic Segmentation [5.177947445379688]
Masked Supervised Learning (MaskSup)は、短いコンテキストと長距離コンテキストの両方をモデル化する効果的なシングルステージ学習パラダイムである。提案手法は計算効率が良く,平均交叉和(mIoU)において10%向上することを示す。
論文参考訳（メタデータ） (2022-10-03T13:30:19Z)
SOLO: A Simple Framework for Instance Segmentation [84.00519148562606]
インスタンスカテゴリ"は、インスタンスの場所に応じて、インスタンス内の各ピクセルにカテゴリを割り当てる。 SOLO"は、強力なパフォーマンスを備えたインスタンスセグメンテーションのための、シンプルで、直接的で、高速なフレームワークです。提案手法は, 高速化と精度の両面から, 実例分割の最先端結果を実現する。
論文参考訳（メタデータ） (2021-06-30T09:56:54Z)
Learning Class-Agnostic Pseudo Mask Generation for Box-Supervised Semantic Segmentation [156.9155100983315]
ボックス教師付きセマンティクスセグメンテーションに合わせた,より正確な学習ベースのクラス非依存な擬似マスクジェネレータを求める。この方法は、ボックス監視モデルとフル監視モデルの間のパフォーマンスギャップをさらに埋めることができます。
論文参考訳（メタデータ） (2021-03-09T14:54:54Z)
Unifying Instance and Panoptic Segmentation with Dynamic Rank-1 Convolutions [109.2706837177222]
DR1Maskは、インスタンスとセマンティックセグメンテーションの両方で共有機能マップを利用する最初のパノプティクスセグメンテーションフレームワークである。副産物として、DR1Maskは従来の最先端のインスタンスセグメンテーションネットワークであるBlendMaskよりも10%高速で1ポイント精度が高い。
論文参考訳（メタデータ） (2020-11-19T12:42:10Z)
Multi-Stage Fusion for One-Click Segmentation [20.00726292545008]
対話型セグメンテーションのための多段階ガイダンスフレームワークを提案する。提案フレームワークは,早期融合フレームワークと比較してパラメータ数の増加は無視できない。
論文参考訳（メタデータ） (2020-10-19T17:07:40Z)

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。