論文の概要: Unsupervised Salient Object Detection with Spectral Cluster Voting

• arxiv url: http://arxiv.org/abs/2203.12614v1
• Date: Wed, 23 Mar 2022 17:59:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-24 15:17:49.104503
• Title: Unsupervised Salient Object Detection with Spectral Cluster Voting
• Title（参考訳）: スペクトルクラスタ投票による教師なしサリエント物体検出
• Authors: Gyungin Shin and Samuel Albanie and Weidi Xie
• Abstract要約: 自己教師機能にスペクトルクラスタリングを活用することにより,SOD(unsupervised salient object detection)の課題に対処する。 我々は、SODの3つのベンチマークにおいて、以前のアプローチよりも優れているセルフマスクと呼ばれる、有能なオブジェクト検出器を訓練する。
• 参考スコア（独自算出の注目度）: 44.388120096898554
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we tackle the challenging task of unsupervised salient object detection (SOD) by leveraging spectral clustering on self-supervised features. We make the following contributions: (i) We revisit spectral clustering and demonstrate its potential to group the pixels of salient objects; (ii) Given mask proposals from multiple applications of spectral clustering on image features computed from various self-supervised models, e.g., MoCov2, SwAV, DINO, we propose a simple but effective winner-takes-all voting mechanism for selecting the salient masks, leveraging object priors based on framing and distinctiveness; (iii) Using the selected object segmentation as pseudo groundtruth masks, we train a salient object detector, dubbed SelfMask, which outperforms prior approaches on three unsupervised SOD benchmarks. Code is publicly available at https://github.com/NoelShin/selfmask.
• Abstract（参考訳）: 本稿では,自己教師付き特徴のスペクトルクラスタリングを活用することで,教師なしsod(unsupervised salient object detection)の課題に取り組む。 私たちは次のような貢献をします (i)スペクトルクラスタリングを再検討し、その有望な物体の画素をグループ化する可能性を示す。 二 スペクトルクラスタリングの複数の応用によるマスクの提案を、例えば、MoCov2、SwaV、DINOなどの自己監督型モデルから算出した画像の特徴にあてはめ、フレーミングと特徴に基づく対象の事前の活用により、サリアントマスクを選択するための単純かつ効果的な投票機構を提案する。 (iii) 選択された対象セグメンテーションを疑似接地マスクとして使用し, 3つの教師なしsodベンチマークで先行手法に勝る, selfmask と呼ばれるサルエント物体検出器を訓練した。 コードはhttps://github.com/noelshin/selfmaskで公開されている。

関連論文リスト

• Bridge the Points: Graph-based Few-shot Segment Anything Semantically [79.1519244940518]
  プレトレーニング技術の最近の進歩により、視覚基礎モデルの能力が向上した。 最近の研究はSAMをFew-shot Semantic segmentation (FSS)に拡張している。 本稿では,グラフ解析に基づく簡易かつ効果的な手法を提案する。
  論文  参考訳（メタデータ） (2024-10-09T15:02:28Z)
• ProMerge: Prompt and Merge for Unsupervised Instance Segmentation [4.297070083645049]
  教師なしのインスタンスセグメンテーションは、人間のラベル付きデータに頼ることなく、イメージ内の異なるオブジェクトインスタンスをセグメントすることを目的としている。 最近の最先端のアプローチでは、自己教師機能を使用して画像をグラフとして表現し、一般化された固有値系を解き、前景マスクを生成する。 Prompt and Merge(ProMerge)を提案する。これは、セルフ教師付き視覚機能を利用して、パッチの初期グループ化を取得し、これらのセグメントに戦略的マージを適用する。
  論文  参考訳（メタデータ） (2024-09-27T17:59:42Z)
• Pluralistic Salient Object Detection [108.74650817891984]
  本稿では,与えられた入力画像に対して,複数の有意な有意な有意な有意な有意な有意な分割結果を生成することを目的とした新しい課題であるPSOD(multiistic Salient Object Detection)を紹介する。 新たに設計された評価指標とともに,2つのSODデータセット "DUTS-MM" と "DUS-MQ" を提案する。
  論文  参考訳（メタデータ） (2024-09-04T01:38:37Z)
• Masked Multi-Query Slot Attention for Unsupervised Object Discovery [7.613552182035413]
  本研究では,DINO ViTの特徴をスロットと呼ばれる一連の表現によって再構成するオブジェクト中心のアプローチについて考察する。 本稿では,背景領域を無視した入力特徴のマスキング手法を提案する。 実験結果とPASCAL-VOC 2012データセットの短縮は、各コンポーネントの重要性を示し、それらの組み合わせがオブジェクトのローカライゼーションを継続的に改善することを示す。
  論文  参考訳（メタデータ） (2024-04-30T15:51:05Z)
• TOP-ReID: Multi-spectral Object Re-Identification with Token Permutation [64.65950381870742]
  マルチスペクトルオブジェクトReID, Dubbled TOP-ReIDのための循環トークン置換フレームワークを提案する。 また,巡回多スペクトル特徴アグリゲーションのためのToken Permutation Module (TPM)を提案する。 提案するフレームワークは,ロバストなオブジェクトReIDに対して,より識別性の高いマルチスペクトル特徴を生成できる。
  論文  参考訳（メタデータ） (2023-12-15T08:54:15Z)
• Monte Carlo Linear Clustering with Single-Point Supervision is Enough for Infrared Small Target Detection [48.707233614642796]
  SIRST(Single-frame infrared small target)検出は、赤外線画像上の乱雑な背景から小さなターゲットを分離することを目的としている。 ディープラーニングに基づく手法は、SIRST検出において有望な性能を達成したが、大量のトレーニングデータを犠牲にしている。 単一点監視を用いたSIRST検出のための最初の手法を提案する。
  論文  参考訳（メタデータ） (2023-04-10T08:04:05Z)
• Towards Robust Video Object Segmentation with Adaptive Object Calibration [18.094698623128146]
  ビデオオブジェクトセグメンテーション(VOS)は、参照フレームの注釈付きオブジェクトマスクを与えられたビデオのすべてのターゲットフレームにおけるオブジェクトのセグメンテーションを目的としている。 本稿では,オブジェクト表現を適応的に構築し,オブジェクトマスクを校正して強靭性を実現する,新しいディープネットワークを提案する。 本モデルは,既存の出版作品の最先端性能を達成し,摂動に対する優れた堅牢性を示す。
  論文  参考訳（メタデータ） (2022-07-02T17:51:29Z)
• Discovering Object Masks with Transformers for Unsupervised Semantic Segmentation [75.00151934315967]
  MaskDistillは教師なしセマンティックセグメンテーションのための新しいフレームワークである。 我々のフレームワークは、低レベルの画像キューにラッチを付けず、オブジェクト中心のデータセットに限らない。
  論文  参考訳（メタデータ） (2022-06-13T17:59:43Z)

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。