論文の概要: A Unified Two-Stage Group Semantics Propagation and Contrastive Learning Network for Co-Saliency Detection

• arxiv url: http://arxiv.org/abs/2208.06615v1
• Date: Sat, 13 Aug 2022 10:14:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-16 13:45:36.360265
• Title: A Unified Two-Stage Group Semantics Propagation and Contrastive Learning Network for Co-Saliency Detection
• Title（参考訳）: コーサリエンシー検出のための2段階グループセマンティクス伝播とコントラスト学習ネットワーク
• Authors: Zhenshan Tan, Cheng Chen, Keyu Wen, Yuzhuo Qin, Xiaodong Gu
• Abstract要約: CoSODのための2段階グループセマンティクス PropagatIon と Contrastive Learning NETwork (TopicNet)。 本稿では,CoSODのための2段階のセマンティクス PropagatIon と Contrastive Learning NETwork (TopicNet) について述べる。
• 参考スコア（独自算出の注目度）: 11.101111632948394
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Co-saliency detection (CoSOD) aims at discovering the repetitive salient objects from multiple images. Two primary challenges are group semantics extraction and noise object suppression. In this paper, we present a unified Two-stage grOup semantics PropagatIon and Contrastive learning NETwork (TopicNet) for CoSOD. TopicNet can be decomposed into two substructures, including a two-stage group semantics propagation module (TGSP) to address the first challenge and a contrastive learning module (CLM) to address the second challenge. Concretely, for TGSP, we design an image-to-group propagation module (IGP) to capture the consensus representation of intra-group similar features and a group-to-pixel propagation module (GPP) to build the relevancy of consensus representation. For CLM, with the design of positive samples, the semantic consistency is enhanced. With the design of negative samples, the noise objects are suppressed. Experimental results on three prevailing benchmarks reveal that TopicNet outperforms other competitors in terms of various evaluation metrics.
• Abstract（参考訳）: Co-Saliency Detection (CoSOD) は、複数の画像から繰り返しサリエントな物体を発見することを目的としている。 2つの主な課題は、グループセマンティクス抽出とノイズオブジェクト抑圧である。 本稿では,CoSODのための2段階のセマンティクスであるPropagatIonとContrastive Learning NETwork(TopicNet)を提案する。 TopicNetは、最初の課題に対処する2段階のグループセマンティクス伝搬モジュール(TGSP)と、第二の課題に対処するコントラスト学習モジュール(CLM)の2つのサブ構造に分解することができる。 具体的には,グループ内類似機能のコンセンサス表現をキャプチャするimage-to-group propagation module (igp) と,コンセンサス表現の関連性を構築するgroup-to-pixel propagation module (gpp) を設計した。 CLMでは、正のサンプルの設計により、セマンティック一貫性が向上する。 負のサンプルの設計により、ノイズオブジェクトが抑制される。 3つの主要なベンチマークの実験結果から、TopicNetは様々な評価指標で他の競合他社よりも優れています。

関連論文リスト

• Co-Salient Object Detection with Semantic-Level Consensus Extraction and Dispersion [27.120768849942145]
  共塩物検出は、各画像の一般的な塩物を明らかにすることを目的としている。 意味レベルのコンセンサスを抽出する階層型トランスフォーマーモジュールを提案する。 Transformerベースの分散モジュールは、異なるシーンにおける共存オブジェクトの変動を考慮している。
  論文  参考訳（メタデータ） (2023-09-14T14:39:07Z)
• Weakly-Supervised Concealed Object Segmentation with SAM-based Pseudo Labeling and Multi-scale Feature Grouping [40.07070188661184]
  Wakly-Supervised Concealed Object (WSCOS) は、周囲の環境とうまく融合したオブジェクトを分割することを目的としている。 内在的な類似性のため、背景から隠された物体を区別することは困難である。 これら2つの課題に対処する新しいWSCOS手法を提案する。
  論文  参考訳（メタデータ） (2023-05-18T14:31:34Z)
• USER: Unified Semantic Enhancement with Momentum Contrast for Image-Text Retrieval [115.28586222748478]
  Image-Text Retrieval (ITR) は、与えられたクエリに意味のあるターゲットインスタンスを、他のモダリティから検索することを目的としている。 既存のアプローチは通常、2つの大きな制限に悩まされる。
  論文  参考訳（メタデータ） (2023-01-17T12:42:58Z)
• GCoNet+: A Stronger Group Collaborative Co-Salient Object Detector [156.43671738038657]
  本稿では,GCoNet+と呼ばれる新しいグループ協調学習ネットワークを提案する。 GCoNet+は自然界における共存対象を効果的かつ効率的に識別することができる。
  論文  参考訳（メタデータ） (2022-05-30T23:49:19Z)
• A Unified Transformer Framework for Group-based Segmentation: Co-Segmentation, Co-Saliency Detection and Video Salient Object Detection [59.21990697929617]
  人間は、ダイナミックな世界に住んでいるので、画像のグループやビデオのフレームから学ぶことによってオブジェクトをマイニングする傾向があります。 従来のアプローチでは、類似したタスクで異なるネットワークを個別に設計するが、互いに適用するのは困難である。 UFO(UnifiedObject Framework for Co-Object Framework)という,これらの問題に対処するための統一フレームワークを導入する。
  論文  参考訳（メタデータ） (2022-03-09T13:35:19Z)
• Clustering by Maximizing Mutual Information Across Views [62.21716612888669]
  本稿では,共同表現学習とクラスタリングを組み合わせた画像クラスタリングのための新しいフレームワークを提案する。 提案手法は,様々な画像データセットにおける最先端の単一ステージクラスタリング手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-07-24T15:36:49Z)
• CoADNet: Collaborative Aggregation-and-Distribution Networks for Co-Salient Object Detection [91.91911418421086]
  Co-Salient Object Detection (CoSOD)は、2つ以上の関連する画像を含む所定のクエリグループに繰り返し現れる健全なオブジェクトを発見することを目的としている。 課題の1つは、画像間の関係をモデリングし、活用することによって、コ・サリヤ・キューを効果的にキャプチャする方法である。 我々は,複数画像から有能かつ反復的な視覚パターンを捉えるために,エンドツーエンドの協調集約配信ネットワーク(CoADNet)を提案する。
  論文  参考訳（メタデータ） (2020-11-10T04:28:11Z)
• Pairwise Relation Learning for Semi-supervised Gland Segmentation [90.45303394358493]
  病理組織像における腺分節に対するPRS2モデルを提案する。 このモデルはセグメンテーションネットワーク(S-Net)とペア関係ネットワーク(PR-Net)から構成される。 我々は,GlaSデータセットの最近の5つの手法とCRAGデータセットの最近の3つの手法を比較した。
  論文  参考訳（メタデータ） (2020-08-06T15:02:38Z)

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。