論文の概要: How to Reduce Change Detection to Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2206.07557v1
• Date: Wed, 15 Jun 2022 14:16:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-16 12:47:19.641879
• Title: How to Reduce Change Detection to Semantic Segmentation
• Title（参考訳）: 意味セグメンテーションへの変更検出の削減方法
• Authors: Guo-Hua Wang, Bin-Bin Gao, Chengjie Wang
• Abstract要約: 変化検出(CD)は、異なる時間に撮影された画像ペアで発生する変化を特定することを目的としている。 セマンティックセグメンテーションにCDを還元する新しいパラダイムを提案する。 また,画素レベルの変化を検出するネットワークであるC-3POを提案する。
• 参考スコア（独自算出の注目度）: 27.82117563417494
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Change detection (CD) aims to identify changes that occur in an image pair taken different times. Prior methods devise specific networks from scratch to predict change masks in pixel-level, and struggle with general segmentation problems. In this paper, we propose a new paradigm that reduces CD to semantic segmentation which means tailoring an existing and powerful semantic segmentation network to solve CD. This new paradigm conveniently enjoys the mainstream semantic segmentation techniques to deal with general segmentation problems in CD. Hence we can concentrate on studying how to detect changes. We propose a novel and importance insight that different change types exist in CD and they should be learned separately. Based on it, we devise a module named MTF to extract the change information and fuse temporal features. MTF enjoys high interpretability and reveals the essential characteristic of CD. And most segmentation networks can be adapted to solve the CD problems with our MTF module. Finally, we propose C-3PO, a network to detect changes at pixel-level. C-3PO achieves state-of-the-art performance without bells and whistles. It is simple but effective and can be considered as a new baseline in this field. Our code will be available.
• Abstract（参考訳）: 変更検出(cd)は、異なるタイミングで撮影された画像ペアで発生する変化を特定することを目的としている。 以前の手法では、特定のネットワークをスクラッチから切り離し、ピクセルレベルの変更マスクを予測し、一般的なセグメンテーション問題に苦しむ。 本稿では,既存かつ強力な意味セグメンテーションネットワークを調整し,cdを意味セグメンテーションに縮小する新しいパラダイムを提案する。 この新しいパラダイムは、CDの一般的なセグメンテーション問題に対処する主要なセグメンテーションテクニックを便利に享受する。 したがって、変化を検出する方法の研究に集中することができる。 本報告では,CDに異なる変化型が存在すること,それらが別々に学習されるべきであることを示す。 そこで我々は,変更情報を抽出し,時間的特徴を融合するモジュール MTF を考案した。 MTFは高い解釈性を持ち、CDの本質的な特徴を明らかにする。 また,ほとんどのセグメンテーションネットワークはMPFモジュールのCD問題に適応することができる。 最後に,画素レベルの変化を検出するネットワークであるC-3POを提案する。 C-3POは、鐘や笛なしで最先端のパフォーマンスを達成する。 これは単純だが有効であり、この分野における新しいベースラインと見なすことができる。 私たちのコードは利用可能です。

関連論文リスト

• Image Segmentation in Foundation Model Era: A Survey [95.60054312319939]
  イメージセグメンテーションにおける現在の研究は、異なる特徴、課題、解決策の詳細な分析を欠いている。 本調査は、FM駆動画像セグメンテーションを中心とした最先端の研究を徹底的にレビューすることで、このギャップを埋めようとしている。 現在の研究成果の広さを包括する,300以上のセグメンテーションアプローチの概要を概観する。
  論文  参考訳（メタデータ） (2024-08-23T10:07:59Z)
• Specialized Change Detection using Segment Anything [5.586191108738564]
  変化検出(CD)は地球観測の基本的な課題である。 他の変更を破棄しながら、特定のアプリケーションに関連する特定の変更をターゲットとする特殊なメソッドの必要性が高まっている。 本稿では,多目的視覚基盤モデルであるSegment Anything Model (SAM) を用いた集中型CD手法を提案する。
  論文  参考訳（メタデータ） (2024-08-13T05:27:23Z)
• SeFi-CD: A Semantic First Change Detection Paradigm That Can Detect Any Change You Want [3.8287068443608567]
  本稿では,新しいCDパラダイム,セマンティックファーストCD(SeFi-CD)パラダイムを紹介する。 SeFi-CDの中核となる考え方は、まず関心の動的なセマンティクスを理解し、そのセマンティクスに関連する変化の特徴を視覚的に検索することである。 公開データセットの実験では、AUWCDが現在の最先端のCDメソッドより優れていることが示されている。
  論文  参考訳（メタデータ） (2024-07-13T12:49:58Z)
• MaskCD: A Remote Sensing Change Detection Network Based on Mask Classification [29.15203530375882]
  深層学習を用いたリモートセンシング(RS)画像からの変化(CD)を文献的に広く研究している。 入力画像対から分類マスクを適応的に生成し,変化領域を検出するMaskCDを提案する。 ピクセルワイズ表現を学習可能なマスク提案に復号することで、望まれる変更対象を再構築する。
  論文  参考訳（メタデータ） (2024-04-18T11:05:15Z)
• Pixel-Level Change Detection Pseudo-Label Learning for Remote Sensing Change Captioning [28.3763053922823]
  リモートセンシング画像変化キャプション(RSICC)の手法は、単純なシーンではうまく機能するが、複雑なシーンでは性能が劣る。 画素レベルのCDは言語による画像の違いを説明する上で重要であると我々は信じている。 提案手法は最先端の性能を達成し,学習用画素レベルのCD擬似ラベルがキャプションの変更に大きく貢献することを示す。
  論文  参考訳（メタデータ） (2023-12-23T17:58:48Z)
• AF$_2$: Adaptive Focus Framework for Aerial Imagery Segmentation [86.44683367028914]
  航空画像のセグメンテーションにはいくつかの独特な課題があり、中でも最も重要なものは前景と背景のアンバランスにある。 本稿では,階層的なセグメンテーション手法を採用し,マルチスケール表現を適応的に活用するAdaptive Focus Framework (AF$)を提案する。 AF$は、広く使われている3つの航空ベンチマークの精度を大幅に改善した。
  論文  参考訳（メタデータ） (2022-02-18T10:14:45Z)
• Discover, Hallucinate, and Adapt: Open Compound Domain Adaptation for Semantic Segmentation [91.30558794056056]
  意味的セグメンテーションのための教師なしドメイン適応(UDA)が近年注目を集めている。 我々は,発見,幻覚,適応の3つの主要な設計原則に基づく新しいフレームワークを提案する。 我々は、標準ベンチマークGTAからC自動運転へのソリューションの評価を行い、新しい最先端の結果を得た。
  論文  参考訳（メタデータ） (2021-10-08T13:20:09Z)
• A Few Guidelines for Incremental Few-Shot Segmentation [57.34237650765928]
  事前訓練されたセグメンテーションモデルと、新しいクラスを含む画像が少ないことを前提として、我々が目指すのは、以前に見たセグメンテーション能力を維持しながら、新しいクラスをセグメンテーションすることである。 このシナリオにおけるエンド・ツー・エンドのトレーニングの主な問題はどのようなものかを示します。 一 バッチ正規化統計を、バッチ正規化で修正できる新しいクラスへ向けての漂流すること。 二 旧クラスの忘れ物 正規化戦略で解決できるもの。
  論文  参考訳（メタデータ） (2020-11-30T20:45:56Z)
• A Weakly Supervised Convolutional Network for Change Segmentation and Classification [91.3755431537592]
  W-CDNetは、画像レベルのセマンティックラベルでトレーニングできる、弱い教師付き変更検出ネットワークである。 W-CDNetは、2つの異なるタイプのデータセットでトレーニングすることができる。
  論文  参考訳（メタデータ） (2020-11-06T20:20:45Z)
• CRNet: Cross-Reference Networks for Few-Shot Segmentation [59.85183776573642]
  少ないショットセグメンテーションは、少数のトレーニングイメージを持つ新しいクラスに一般化できるセグメンテーションモデルを学ぶことを目的としている。 相互参照機構により、我々のネットワークは2つの画像に共起する物体をよりよく見つけることができる。 PASCAL VOC 2012データセットの実験は、我々のネットワークが最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2020-03-24T04:55:43Z)

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。