Fugu-MT 論文翻訳(概要): An Efficient Smoothing and Thresholding Image Segmentation Framework with Weighted Anisotropic-Isotropic Total Variation

論文の概要: An Efficient Smoothing and Thresholding Image Segmentation Framework with Weighted Anisotropic-Isotropic Total Variation

arxiv url: http://arxiv.org/abs/2202.10115v5
Date: Wed, 15 Nov 2023 22:57:49 GMT
ステータス: 処理完了
システム内更新日: 2023-11-17 23:11:31.376815
Title: An Efficient Smoothing and Thresholding Image Segmentation Framework with Weighted Anisotropic-Isotropic Total Variation
Title（参考訳）: 重み付き異方性-等方性全変動を伴う効率的な平滑化と閾値画像分割フレームワーク
Authors: Kevin Bui, Yifei Lou, Fredrick Park, Jack Xin
Abstract要約: 異方性等方性変動(AITV)の重み付き差を考慮した多段階画像分割フレームワークを提案する。第2段階では、スムーズな画像を$K$-meansizerでしきい値にし、最終的な結果を得る。
参考スコア（独自算出の注目度）: 1.9581049654950413
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we design an efficient, multi-stage image segmentation framework that incorporates a weighted difference of anisotropic and isotropic total variation (AITV). The segmentation framework generally consists of two stages: smoothing and thresholding, thus referred to as SaT. In the first stage, a smoothed image is obtained by an AITV-regularized Mumford-Shah (MS) model, which can be solved efficiently by the alternating direction method of multipliers (ADMM) with a closed-form solution of a proximal operator of the $\ell_1 -\alpha \ell_2$ regularizer. Convergence of the ADMM algorithm is analyzed. In the second stage, we threshold the smoothed image by $K$-means clustering to obtain the final segmentation result. Numerical experiments demonstrate that the proposed segmentation framework is versatile for both grayscale and color images, efficient in producing high-quality segmentation results within a few seconds, and robust to input images that are corrupted with noise, blur, or both. We compare the AITV method with its original convex TV and nonconvex TV$^p (0<p<1)$ counterparts, showcasing the qualitative and quantitative advantages of our proposed method.
Abstract（参考訳）: 本稿では,異方性および等方性全変動(AITV)の重み付き差を組み込んだ,効率的な多段階画像分割フレームワークを設計する。セグメンテーションフレームワークは一般的に、平滑化としきい値化という2つの段階で構成されている。第1段階では、$\ell_1-\alpha \ell_2$正則化器の近位演算子の閉形式解と乗算器(ADMM)の交互方向法により効率よく解けるAITV正規化ムフォードシャー(MS)モデルにより滑らかな画像を得る。 ADMMアルゴリズムの収束性を分析する。第2段階では、スムーズな画像を$K$-meansクラスタリングで閾値付けし、最終的なセグメンテーション結果を得る。数値実験により, 提案したセグメンテーションフレームワークは, グレースケールとカラー画像の両方に汎用性があり, 高品質なセグメンテーション結果を数秒以内で生成し, ノイズやぼかし, あるいはその両方で劣化した画像に対して頑健であることが示された。提案手法の質的,定量的優位性を実証し,AITV法と元の凸型TVと非凸型TVの^p(0<p<1)$とを比較した。

関連論文リスト

Adaptive Federated Learning Over the Air [108.62635460744109]
オーバー・ザ・エア・モデル・トレーニングの枠組みの中で,適応勾配法,特にAdaGradとAdamの連合バージョンを提案する。解析の結果,AdaGrad に基づくトレーニングアルゴリズムは $mathcalO(ln(T) / T 1 - frac1alpha の速度で定常点に収束することがわかった。
論文参考訳（メタデータ） (2024-03-11T09:10:37Z)
Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Polyp Segmentation [52.06525450636897]
大腸癌の早期診断と治療において, 自動ポリープセグメンテーションが重要な役割を担っている。既存の手法は、完全に教師されたトレーニングに大きく依存しており、大量のラベル付きデータと時間を要するピクセル単位のアノテーションを必要とする。大腸内視鏡画像からの半教師付きポリープ(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learningフレームワークを提案する。
論文参考訳（メタデータ） (2023-12-26T12:56:31Z)
SAR image segmentation algorithms based on I-divergence-TV model [0.7458485930898191]
合成開口レーダ(SAR)画像を乗法ガンマノイズで分割するために,I-divergence-TVモデルに基づく新しい変動能動輪郭モデルを提案する。提案したモデルでは,輪郭が弱いあるいはぼやけたエッジで効率的に停止でき,画像の外部境界や内部境界を自動的に検出することができる。
論文参考訳（メタデータ） (2023-12-09T04:14:46Z)
Video Frame Interpolation with Many-to-many Splatting and Spatial Selective Refinement [83.60486465697318]
本稿では,フレームを効率的に補間するM2Mスプレイティングフレームワークを提案する。入力フレームペアごとに、M2Mは任意の数のフレーム間を補間する際の計算オーバーヘッドが極小である。フレキシブルな空間選択リファインメント(Spatial Selective Refinement)コンポーネントを導入して,M2M++フレームワークを拡張した。
論文参考訳（メタデータ） (2023-10-29T09:09:32Z)
A Novel Truncated Norm Regularization Method for Multi-channel Color Image Denoising [5.624787484101139]
本論文は,DtNFM法(DtNFM法)を用いて,二重重み付き核ノルム最小化法(double-weighted truncated nuclear norm minus truncated Frobenius norm minimization, DtNFM法)を用いてカラー画像のノイズ化を行う。雑音像の非局所的な自己相似性を利用して、類似した構造を収集し、類似したパッチ行列を連続的に構築する。合成および実雑音データセットの実験により、提案手法は、多くの最先端カラー画像復調法より優れていることを示した。
論文参考訳（メタデータ） (2023-07-16T03:40:35Z)
Difference of Anisotropic and Isotropic TV for Segmentation under Blur and Poisson Noise [2.6381163133447836]
画像をスムーシング・アンド・スレッディング(SaT)セグメンテーションフレームワークを採用して、スムースなソリューションを見つけ、次に$k-meansで画像のセグメンテーションを行う。具体的には、画像平滑化ステップにおいて、ムムフォードシャーモデルの最大雑音を正則化として、異方性全変動(AITV)の最大変動に置き換える。スキームの有効性を検証するための収束解析が提供される。
論文参考訳（メタデータ） (2023-01-06T01:14:56Z)
Weakly Supervised Semantic Segmentation by Pixel-to-Prototype Contrast [43.40192909920495]
クロスビュー特徴のセマンティック一貫性とイントラ(インター)クラスのコンパクト性(分散)について検討した。本稿では,2つの新しい画素対プロトタイプのコントラスト正規化用語を提案する。我々の手法は、ベースネットワークを変更することなく、既存のWSSSモデルにシームレスに組み込むことができる。
論文参考訳（メタデータ） (2021-10-14T01:44:57Z)
Multi-Margin based Decorrelation Learning for Heterogeneous Face Recognition [90.26023388850771]
本稿では,超球面空間におけるデコリレーション表現を抽出するディープニューラルネットワーク手法を提案する。提案するフレームワークは,不均一表現ネットワークとデコリレーション表現学習の2つのコンポーネントに分けることができる。 2つの難解な異種顔データベースに対する実験結果から,本手法は検証タスクと認識タスクの両方において優れた性能を発揮することが示された。
論文参考訳（メタデータ） (2020-05-25T07:01:12Z)
A Weighted Difference of Anisotropic and Isotropic Total Variation for Relaxed Mumford-Shah Color and Multiphase Image Segmentation [2.6381163133447836]
異方性および等方性の全変動の差を考慮した一括一括画像分割モデルを提案する。また,カラー画像のセグメンテーションへの一般化についても論じる。
論文参考訳（メタデータ） (2020-05-09T09:35:44Z)
Kullback-Leibler Divergence-Based Fuzzy $C$-Means Clustering Incorporating Morphological Reconstruction and Wavelet Frames for Image Segmentation [152.609322951917]
そこで我々は,厳密なウェーブレットフレーム変換と形態的再構成操作を組み込むことで,Kulback-Leibler (KL) 発散に基づくFuzzy C-Means (FCM) アルゴリズムを考案した。提案アルゴリズムはよく機能し、他の比較アルゴリズムよりもセグメンテーション性能が優れている。
論文参考訳（メタデータ） (2020-02-21T05:19:10Z)
Residual-Sparse Fuzzy $C$-Means Clustering Incorporating Morphological Reconstruction and Wavelet frames [146.63177174491082]
Fuzzy $C$-Means (FCM)アルゴリズムは、形態的再構成操作とタイトウェーブレットフレーム変換を組み込んでいる。特徴集合とその理想値の間の残差に対して$ell_0$正規化項を付与することにより、改良されたFCMアルゴリズムを提案する。合成, 医用, カラー画像に対する実験結果から, 提案アルゴリズムは効率的かつ効率的であり, 他のアルゴリズムよりも優れていた。
論文参考訳（メタデータ） (2020-02-14T10:00:03Z)

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。