論文の概要: PointScatter: Point Set Representation for Tubular Structure Extraction

• arxiv url: http://arxiv.org/abs/2209.05774v1
• Date: Tue, 13 Sep 2022 07:14:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-14 12:52:07.670426
• Title: PointScatter: Point Set Representation for Tubular Structure Extraction
• Title（参考訳）: pointscatter: 管状構造抽出のためのポイントセット表現
• Authors: Dong Wang, Zhao Zhang, Ziwei Zhao, Yuhang Liu, Yihong Chen and Liwei Wang
• Abstract要約: ポイントセット表現は、その柔軟性と表現能力を楽しむが、マスクとして固定グリッドによって制限されない。 そこで本研究では,管状構造抽出タスクのセグメンテーションモデルに代わるPointScatterを提案する。
• 参考スコア（独自算出の注目度）: 29.0522161892487
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper explores the point set representation for tubular structure extraction tasks. Compared with the traditional mask representation, the point set representation enjoys its flexibility and representation ability, which would not be restricted by the fixed grid as the mask. Inspired by this, we propose PointScatter, an alternative to the segmentation models for the tubular structure extraction task. PointScatter splits the image into scatter regions and parallelly predicts points for each scatter region. We further propose the greedy-based region-wise bipartite matching algorithm to train the network end-to-end and efficiently. We benchmark the PointScatter on four public tubular datasets, and the extensive experiments on tubular structure segmentation and centerline extraction task demonstrate the effectiveness of our approach. Code is available at https://github.com/zhangzhao2022/pointscatter.
• Abstract（参考訳）: 本稿では,管状構造抽出タスクの点集合表現について検討する。 従来のマスク表現と比較すると、点集合表現はその柔軟性と表現能力があり、マスクとしての固定格子によって制限されない。 そこで本研究では,管状構造抽出タスクのためのセグメンテーションモデルの代替案であるpointscatterを提案する。 ポイントキャッターは画像を散乱領域に分割し、各散乱領域の点を並列に予測する。 さらに,ネットワークをエンドツーエンドかつ効率的にトレーニングするための,グリーディに基づく領域分割マッチングアルゴリズムを提案する。 我々は,4つの公開管状データセット上でPointScatterをベンチマークし,管状構造セグメンテーションと中心線抽出タスクに関する広範な実験を行った。 コードはhttps://github.com/zhangzhao2022/pointscatterで入手できる。

関連論文リスト

• Parametric Surface Constrained Upsampler Network for Point Cloud [33.033469444588086]
  バイコビック関数と回転関数で表されるパラメトリック曲面をニューラルネットワークに学習させ,新しいサーフェス正規化器をアップサンプラーネットワークに導入する。 これらの設計は、2つの異なるネットワークに統合され、レイヤのアップサンプリングの利点を生かしている。 両課題の最先端実験結果から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-03-14T21:12:54Z)
• GDB: Gated convolutions-based Document Binarization [0.0]
  我々は、ゲーティング値の学習としてテキスト抽出を定式化し、不正確なストロークエッジ抽出の問題を解決するために、エンドツーエンドのゲート畳み込みネットワーク(GDB)を提案する。 提案するフレームワークは,2つの段階から構成される。第1に,事前マスクとエッジを供給して,より正確な特徴マップを得るために,エッジブランチを付加した粗いサブネットワークを訓練する。 第2に、シャープエッジに基づくゲート畳み込みにより第1ステージの出力を洗練させるために、精製サブネットワークをカスケードする。
  論文  参考訳（メタデータ） (2023-02-04T02:56:40Z)
• Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud Analysis [66.49788145564004]
  我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。 我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-12-17T15:05:25Z)
• Adaptive Edge-to-Edge Interaction Learning for Point Cloud Analysis [118.30840667784206]
  ポイントクラウドデータ処理の大きな問題は、ローカルリージョンから有用な情報を抽出することだ。 従来の研究は、局所的な形状情報を符号化する地域におけるエッジ間の関係を無視していた。 本稿では,Adaptive Edge-to-Edge Interaction Learningモジュールを提案する。
  論文  参考訳（メタデータ） (2022-11-20T07:10:14Z)
• EPCS: Endpoint-based Part-aware Curve Skeleton Extraction for Low-quality Point Clouds [3.9243573226410278]
  低品質点雲に対するエンドポイントベース部分認識曲線スケルトン(EPCS)抽出法を提案する。 提案手法はいくつかの最先端手法と比較し, その堅牢性, 有効性, 効率性を検証した。
  論文  参考訳（メタデータ） (2022-11-17T12:13:49Z)
• UPDesc: Unsupervised Point Descriptor Learning for Robust Registration [54.95201961399334]
  UPDescは、ロバストポイントクラウド登録のためのポイント記述子を学習するための教師なしの方法である。 学習した記述子は既存の教師なし手法よりも優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2021-08-05T17:11:08Z)
• A region-based descriptor network for uniformly sampled keypoints [35.394659345406865]
  異なる画像のキーポイントペアをマッチングすることは、コンピュータビジョンの基本タスクです。 ほとんどの方法は、高い信頼性で特徴点の座標を得るためにカスタマイズされた極端点スキームを必要とします。 本稿では,ディープネットワークのコンテキスト特徴を組み合わせることで,地域ベースの記述子を設計する。
  論文  参考訳（メタデータ） (2021-01-26T07:31:22Z)
• Spatiotemporal Graph Neural Network based Mask Reconstruction for Video Object Segmentation [70.97625552643493]
  本稿では,クラス非依存オブジェクトを半教師あり設定でセグメント化するタスクについて述べる。 提案手法のすべてを利用して局所的なコンテキストを捕捉する新しいグラフニューラルネットワーク(TG-Net)を提案する。
  論文  参考訳（メタデータ） (2020-12-10T07:57:44Z)
• SPU-Net: Self-Supervised Point Cloud Upsampling by Coarse-to-Fine Reconstruction with Self-Projection Optimization [52.20602782690776]
  実際のスキャンされたスパースデータからトレーニング用の大規模なペアリングスパーススキャンポイントセットを得るのは高価で面倒です。 本研究では,SPU-Net と呼ばれる自己監視型点群アップサンプリングネットワークを提案する。 本研究では,合成データと実データの両方について様々な実験を行い,最先端の教師付き手法と同等の性能が得られることを示す。
  論文  参考訳（メタデータ） (2020-12-08T14:14:09Z)
• Deep Positional and Relational Feature Learning for Rotation-Invariant Point Cloud Analysis [107.9979381402172]
  点雲解析のための回転不変深層ネットワークを提案する。 ネットワークは階層的であり、位置的特徴埋め込みブロックと関係的特徴埋め込みブロックという2つのモジュールに依存している。 実験では、ベンチマークデータセット上で最先端の分類とセグメンテーション性能を示す。
  論文  参考訳（メタデータ） (2020-11-18T04:16:51Z)

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。