Fugu-MT 論文翻訳(概要): Intention-aware Feature Propagation Network for Interactive Segmentation

論文の概要: Intention-aware Feature Propagation Network for Interactive Segmentation

arxiv url: http://arxiv.org/abs/2203.05145v1
Date: Thu, 10 Mar 2022 03:47:24 GMT
ステータス: 処理完了
システム内更新日: 2022-03-12 01:51:51.289159
Title: Intention-aware Feature Propagation Network for Interactive Segmentation
Title（参考訳）: 対話型セグメンテーションのための意図認識特徴伝達ネットワーク
Authors: Chuyu Zhang, Chuanyang Hu, Yongfei Liu, and Xuming He
Abstract要約: 本稿では,ポイントベース対話型セグメンテーションのための意図認識型特徴伝搬戦略を提案する。我々は高分解能な前景セグメンテーションのための効率的なクリック拡張特徴表現を学習する。本手法は,すべてのベンチマークにおいて,従来の最先端手法を超越した手法である。
参考スコア（独自算出の注目度）: 28.46769578952515
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We aim to tackle the problem of point-based interactive segmentation, in which two key challenges are to infer user's intention correctly and to propagate the user-provided annotations to unlabeled regions efficiently. To address those challenges, we propose a novel intention-aware feature propagation strategy that performs explicit user intention estimation and learns an efficient click-augmented feature representation for high-resolution foreground segmentation. Specifically, we develop a coarse-to-fine sparse propagation network for each interactive segmentation step, which consists of a coarse-level network for more effective tracking of user's interest, and a fine-level network for zooming to the target object and performing fine-level segmentation. Moreover, we design a new sparse graph network module for both levels to enable efficient long-range propagation of click information. Extensive experiments show that our method surpasses the previous state-of-the-art methods on all popular benchmarks, demonstrating its efficacy.
Abstract（参考訳）: 本稿では,ユーザの意図を正しく推測し,ユーザが提供するアノテーションをラベルのない領域に効率的に普及させるという,ポイントベースの対話的セグメンテーションの課題に取り組むことを目的とする。そこで本研究では,ユーザの意図を明示的に推定し,高分解能フォアグラウンドセグメンテーションのための効率的なクリック提示特徴表現を学習する,意図認識特徴伝達戦略を提案する。具体的には,ユーザの興味をより効果的に追跡するための粗レベルネットワークと,対象オブジェクトにズームして細レベルセグメンテーションを行う細レベルネットワークとからなる,対話的なセグメンテーションステップ毎に,細粒度のスパース伝播ネットワークを開発する。さらに,クリック情報の長距離伝搬を効果的に行うために,両レベルの疎グラフネットワークモジュールを設計する。実験の結果,提案手法はすべてのベンチマークにおいて従来の最先端手法を超越し,有効性を示した。

関連論文リスト

Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
論文参考訳（メタデータ） (2023-12-19T08:14:14Z)
Label-efficient Segmentation via Affinity Propagation [27.016747627689288]
ラベル効率のよいスパースアノテーションを用いた弱教師付きセグメンテーションは、手間のかかるピクセルワイドラベリングプロセスのコストを削減するために研究の注目を集めている。親和性モデリングを親和性伝播過程として定式化し、局所的および大域的親和性項を提案して、正確な擬似ラベルを生成する。計算コストを大幅に削減する効率的なアルゴリズムも開発されている。
論文参考訳（メタデータ） (2023-10-16T15:54:09Z)
ME-CapsNet: A Multi-Enhanced Capsule Networks with Routing Mechanism [0.0]
本研究は,各層の受容領域内の空間成分とチャネル成分の両面を高度に最適化する,新たなソリューションの実現に焦点をあてる。我々は, カプセル層を戦略的に通過する前に重要な特徴を抽出するために, より深い畳み込み層を導入し, ME-CapsNetを提案する。より深い畳み込み層にはSqueeze-Excitationネットワークのブロックが含まれており、重要な特徴情報を失うことなく、サンプリングアプローチを使用して相互依存関係を再構築する。
論文参考訳（メタデータ） (2022-03-29T13:29:38Z)
Sparse Spatial Attention Network for Semantic Segmentation [11.746833714322156]
空間的注意機構は、各クエリロケーションにグローバルなコンテキスト情報を集約することで、長距離依存関係をキャプチャする。性能を犠牲にすることなく,空間アテンション機構の効率を向上させるために,スパース空間アテンションネットワーク(SSANet)を提案する。
論文参考訳（メタデータ） (2021-09-04T18:41:05Z)
Deep feature selection-and-fusion for RGB-D semantic segmentation [8.831857715361624]
本研究は,fsfnet (unified and efficient feature selection and-fusion network) を提案する。 FSFNetは、マルチモダリティ情報の明示的な融合に使用される対称クロスモダリティ残留融合モジュールを含む。最新の手法と比較すると,提案モデルが2つの公開データセットで競合性能を発揮できることを実験的に評価した。
論文参考訳（メタデータ） (2021-05-10T04:02:32Z)
Towards Efficient Scene Understanding via Squeeze Reasoning [71.1139549949694]
我々はSqueeze Reasoningと呼ばれる新しいフレームワークを提案する。空間地図上の情報を伝播するのではなく、まず入力特徴をチャネルワイドなグローバルベクトルに絞ることを学ぶ。提案手法はエンドツーエンドのトレーニングブロックとしてモジュール化可能であり,既存のネットワークに簡単に接続可能であることを示す。
論文参考訳（メタデータ） (2020-11-06T12:17:01Z)
Boosting Connectivity in Retinal Vessel Segmentation via a Recursive Semantics-Guided Network [23.936946593048987]
U字型ネットワークはセマンティクス誘導モジュールを導入して拡張され、拡張されたセマンティクス情報を浅い層に統合し、ネットワークがより強力な機能を探索できるようにする。慎重に設計されたセマンティクス誘導ネットワークは、いくつかの公開データセットで広く評価されている。
論文参考訳（メタデータ） (2020-04-24T09:18:04Z)
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)
Mining Implicit Entity Preference from User-Item Interaction Data for Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
論文参考訳（メタデータ） (2020-03-28T05:47:33Z)
Resolution Adaptive Networks for Efficient Inference [53.04907454606711]
本稿では,低分解能表現が「容易」な入力を分類するのに十分である,という直感に触発された新しいレゾリューション適応ネットワーク(RANet)を提案する。 RANetでは、入力画像はまず、低解像度表現を効率的に抽出する軽量サブネットワークにルーティングされる。ネットワーク内の高解像度パスは、"ハード"サンプルを認識する能力を維持している。
論文参考訳（メタデータ） (2020-03-16T16:54:36Z)
Weakly-Supervised Semantic Segmentation by Iterative Affinity Learning [86.45526827323954]
弱教師付きセマンティックセグメンテーションは、トレーニングのためにピクセル単位のラベル情報が提供されないため、難しい課題である。このようなペア関係を学習するための反復アルゴリズムを提案する。本稿では,提案アルゴリズムが最先端手法に対して好適に動作することを示す。
論文参考訳（メタデータ） (2020-02-19T10:32:03Z)

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。