論文の概要: EdgeFlow: Achieving Practical Interactive Segmentation with Edge-Guided Flow

• arxiv url: http://arxiv.org/abs/2109.09406v1
• Date: Mon, 20 Sep 2021 10:07:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-21 16:09:46.773794
• Title: EdgeFlow: Achieving Practical Interactive Segmentation with Edge-Guided Flow
• Title（参考訳）: edgeflow: エッジガイドフローによる実用的なインタラクティブセグメンテーションの実現
• Authors: Yuying Hao, Yi Liu, Zewu Wu, Lin Han, Yizhou Chen, Guowei Chen, Lutao Chu, Shiyu Tang, Zhiliang Yu, Zeyu Chen, Baohua Lai
• Abstract要約: We propose EdgeFlow, a novel architecture that fully use a interactive information of user clicks with edge-guided flow。 提案手法は,後処理や反復最適化の手法を使わずに,最先端の性能を実現する。 提案手法により,実用的なデータアノテーションタスクのための効率的な対話型セグメンテーションツールを開発した。
• 参考スコア（独自算出の注目度）: 5.696221390328458
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-quality training data play a key role in image segmentation tasks. Usually, pixel-level annotations are expensive, laborious and time-consuming for the large volume of training data. To reduce labelling cost and improve segmentation quality, interactive segmentation methods have been proposed, which provide the result with just a few clicks. However, their performance does not meet the requirements of practical segmentation tasks in terms of speed and accuracy. In this work, we propose EdgeFlow, a novel architecture that fully utilizes interactive information of user clicks with edge-guided flow. Our method achieves state-of-the-art performance without any post-processing or iterative optimization scheme. Comprehensive experiments on benchmarks also demonstrate the superiority of our method. In addition, with the proposed method, we develop an efficient interactive segmentation tool for practical data annotation tasks. The source code and tool is avaliable at https://github.com/PaddlePaddle/PaddleSeg.
• Abstract（参考訳）: 高品質なトレーニングデータは、イメージセグメンテーションタスクにおいて重要な役割を果たす。 通常、ピクセルレベルのアノテーションは大量のトレーニングデータに対して高価で手間がかかり、時間がかかる。 ラベルのコストを低減し,セグメンテーションの質を向上させるため,対話的なセグメンテーション手法が提案されている。 しかし、それらの性能は、速度と精度の観点から、実用的なセグメンテーションタスクの要件を満たしていない。 本研究では,エッジ誘導フローを用いたユーザクリックの対話的情報を完全に活用するアーキテクチャであるEdgeFlowを提案する。 提案手法は,後処理や反復最適化を行うことなく,最先端の性能を実現する。 ベンチマークに関する総合的な実験も本手法の優越性を示している。 また,提案手法を用いて,実用的なデータアノテーションタスクのための対話型セグメンテーションツールを開発した。 ソースコードとツールはhttps://github.com/paddlepaddle/paddlesegで評価できる。

関連論文リスト

• Efficient Temporal Action Segmentation via Boundary-aware Query Voting [51.92693641176378]
  BaFormerは境界対応のTransformerネットワークで、各ビデオセグメントをインスタンストークンとしてトークン化する。 BaFormerは実行時間の6%しか利用せず、計算コストを大幅に削減する。
  論文  参考訳（メタデータ） (2024-05-25T00:44:13Z)
• Revisiting Deep Active Learning for Semantic Segmentation [37.3546941940388]
  本研究では,本論文で提案する各種能動的学習目標の性能について,データ分布が決定的であることを示す。 半教師付き学習とアクティブラーニングの統合は,2つの目標が整列した際の性能向上を実証する。
  論文  参考訳（メタデータ） (2023-02-08T14:23:37Z)
• RAIS: Robust and Accurate Interactive Segmentation via Continual Learning [16.382862088005087]
  本稿では,対話型セグメンテーションと継続的学習のための堅牢で正確なアーキテクチャであるRAISを提案する。 テストセットを効率的に学習するために,グローバルパラメータとローカルパラメータを更新するための新しい最適化手法を提案する。 また,リモートセンシングと医用画像のデータセットにおけるロバスト性も示す。
  論文  参考訳（メタデータ） (2022-10-20T03:05:44Z)
• LESS: Label-Efficient Semantic Segmentation for LiDAR Point Clouds [62.49198183539889]
  我々は,LiDAR点雲を用いた屋外シーンのためのラベル効率のよいセマンティックセマンティックセマンティクスパイプラインを提案する。 本手法は,半弱教師付き学習を用いて,効率的なラベリング手法を設計する。 提案手法は,100%ラベル付き完全教師付き手法と比較して,さらに競争力が高い。
  論文  参考訳（メタデータ） (2022-10-14T19:13:36Z)
• Scaling up Multi-domain Semantic Segmentation with Sentence Embeddings [81.09026586111811]
  ゼロショット設定に適用した場合、最先端の教師付き性能を実現するセマンティックセマンティックセマンティクスへのアプローチを提案する。 これは各クラスラベルを、クラスを記述する短い段落のベクトル値の埋め込みに置き換えることによって達成される。 結果として得られた200万以上の画像の統合セマンティックセグメンテーションデータセットは、7つのベンチマークデータセット上の最先端の教師付きメソッドと同等のパフォーマンスを達成するモデルをトレーニングすることができる。
  論文  参考訳（メタデータ） (2022-02-04T07:19:09Z)
• Leveraging Auxiliary Tasks with Affinity Learning for Weakly Supervised Semantic Segmentation [88.49669148290306]
  そこで我々はAuxSegNetと呼ばれる弱教師付きマルチタスク・フレームワークを提案し,サリエンシ検出とマルチラベル画像分類を補助タスクとして活用する。 同様の構造的セマンティクスに着想を得て,サリエンシとセグメンテーションの表現から,クロスタスクなグローバル画素レベルの親和性マップを学習することを提案する。 学習されたクロスタスク親和性は、両方のタスクに対して改善された擬似ラベルを提供するために、唾液度予測を洗練し、CAMマップを伝播するために使用することができる。
  論文  参考訳（メタデータ） (2021-07-25T11:39:58Z)
• Reviving Iterative Training with Mask Guidance for Interactive Segmentation [8.271859911016719]
  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に関する最近の研究は、様々な推論時間最適化スキームを用いて最先端の結果を示している。 従来のステップのセグメンテーションマスクを用いた,クリックベースのインタラクティブセグメンテーションのための簡単なフィードフォワードモデルを提案する。 COCOとLVISの組み合わせで訓練されたモデルと、多様で高品質のアノテーションは、既存のすべてのモデルよりも優れたパフォーマンスを示しています。
  論文  参考訳（メタデータ） (2021-02-12T15:44:31Z)
• 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)
• FAIRS -- Soft Focus Generator and Attention for Robust Object Segmentation from Extreme Points [70.65563691392987]
  本稿では,ユーザ入力からオブジェクトのセグメンテーションを極端点と補正クリックの形で生成する手法を提案する。 提案手法は,エクストリームポイント,クリック誘導,修正クリックを原則として組み込んだ,高品質なトレーニングデータを生成する能力とスケーラビリティを実証する。
  論文  参考訳（メタデータ） (2020-04-04T22:25:47Z)
• Getting to 99% Accuracy in Interactive Segmentation [18.207714624149595]
  最近のディープラーニングに基づくインタラクティブセグメンテーションアルゴリズムは、複雑な画像の処理に大きな進歩をもたらした。 しかし、この荒削りな選択が達成されれば、深層学習技術は台頭する傾向にある。 ユーザ・ワークフローをよりうまく活用するための新しいインタラクティブ・アーキテクチャと新しいトレーニング・スキームを提案する。
  論文  参考訳（メタデータ） (2020-03-17T20:50:22Z)

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。