論文の概要: A Comprehensive Review of Modern Object Segmentation Approaches

• arxiv url: http://arxiv.org/abs/2301.07499v1
• Date: Fri, 13 Jan 2023 19:35:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-29 14:08:27.838773
• Title: A Comprehensive Review of Modern Object Segmentation Approaches
• Title（参考訳）: 現代オブジェクトセグメンテーションアプローチの包括的レビュー
• Authors: Yuanbo Wang, Unaiza Ahsan, Hanyan Li, Matthew Hagen
• Abstract要約: 画像セグメンテーション(英: Image segmentation)とは、画像中のピクセルをそれぞれのオブジェクトクラスラベルに関連付けるタスクである。 画像レベルのオブジェクト認識と画素レベルのシーン理解のためのディープラーニングベースのアプローチが開発されている。 イメージセグメンテーションタスクの拡張には、3Dとビデオセグメンテーションが含まれており、voxポイントクラウドのユニットとビデオフレームは異なるオブジェクトに分類される。
• 参考スコア（独自算出の注目度）: 1.7041248235270654
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image segmentation is the task of associating pixels in an image with their respective object class labels. It has a wide range of applications in many industries including healthcare, transportation, robotics, fashion, home improvement, and tourism. Many deep learning-based approaches have been developed for image-level object recognition and pixel-level scene understanding-with the latter requiring a much denser annotation of scenes with a large set of objects. Extensions of image segmentation tasks include 3D and video segmentation, where units of voxels, point clouds, and video frames are classified into different objects. We use "Object Segmentation" to refer to the union of these segmentation tasks. In this monograph, we investigate both traditional and modern object segmentation approaches, comparing their strengths, weaknesses, and utilities. We examine in detail the wide range of deep learning-based segmentation techniques developed in recent years, provide a review of the widely used datasets and evaluation metrics, and discuss potential future research directions.
• Abstract（参考訳）: 画像分割は、それぞれのオブジェクトクラスラベルと画像内のピクセルを関連付けるタスクである。 医療、交通、ロボティクス、ファッション、住宅改良、観光など、多くの産業に幅広く応用されている。 深層学習に基づく多くのアプローチが画像レベルのオブジェクト認識とピクセルレベルのシーン理解のために開発されている。 イメージセグメンテーションタスクの拡張には、3Dとビデオセグメンテーションが含まれており、ボクセル、ポイントクラウド、ビデオフレームの各ユニットは異なるオブジェクトに分類される。 私たちはこれらのセグメンテーションタスクの結合を参照するために「オブジェクトセグメンテーション」を使用します。 本報告では,従来のオブジェクトセグメンテーション手法と現代オブジェクトセグメンテーション手法の両方について,その強度,弱点,ユーティリティを比較して検討する。 近年開発された深層学習に基づくセグメンテーション手法を詳細に検討し,広く利用されているデータセットと評価指標のレビューを行い,今後の研究の方向性について考察する。

関連論文リスト

• Sketch-based Video Object Segmentation: Benchmark and Analysis [55.79497833614397]
  本稿では,スケッチベースのビデオオブジェクトセグメンテーション,関連するベンチマーク,強力なベースラインについて紹介する。 私たちのベンチマークには、3つのデータセット、Sketch-DAVIS16、Sketch-DAVIS17、Sketch-YouTube-VOSが含まれています。 実験の結果、スケッチは、フォトマスク、言語、スクリブルなど、他の参照よりも効果的であるが、アノテーション効率が高いことが示された。
  論文  参考訳（メタデータ） (2023-11-13T11:53:49Z)
• Towards Open-World Segmentation of Parts [16.056921233445784]
  本稿では,クラスに依存しない部分分割タスクを提案する。 パートクラスなしでトレーニングされたモデルは、トレーニング時に見えない部分のローカライズとオブジェクトへのセグメンテーションを改善することができる、と私たちは主張する。 当社のアプローチでは,オープンワールドのパートセグメンテーションに向けた重要なステップとして,注目すべきかつ一貫した成果をあげています。
  論文  参考訳（メタデータ） (2023-05-26T10:34:58Z)
• Open-world Semantic Segmentation via Contrasting and Clustering Vision-Language Embedding [95.78002228538841]
  本研究では,様々なオープンワールドカテゴリのセマンティックオブジェクトを高密度アノテーションを使わずにセマンティックオブジェクトのセマンティックオブジェクトのセマンティック化を学習するための,新しいオープンワールドセマンティックセマンティックセマンティックセマンティクスパイプラインを提案する。 提案手法は任意のカテゴリのオブジェクトを直接分割し、3つのベンチマークデータセット上でデータラベリングを必要とするゼロショットセグメンテーション法より優れている。
  論文  参考訳（メタデータ） (2022-07-18T09:20:04Z)
• Unsupervised Part Discovery from Contrastive Reconstruction [90.88501867321573]
  自己監督型視覚表現学習の目標は、強く伝達可能な画像表現を学習することである。 対象部分の発見とセグメンテーションに対する教師なしアプローチを提案する。 本手法は, 細粒度, 視覚的に異なるカテゴリ間でセマンティックな部分を生成する。
  論文  参考訳（メタデータ） (2021-11-11T17:59:42Z)
• A Survey on Deep Learning Technique for Video Segmentation [147.0767454918527]
  ビデオセグメンテーションは幅広い応用において重要な役割を果たしている。 ディープラーニングベースのアプローチは、ビデオセグメンテーションに特化しており、魅力的なパフォーマンスを提供している。
  論文  参考訳（メタデータ） (2021-07-02T15:51:07Z)
• DyStaB: Unsupervised Object Segmentation via Dynamic-Static Bootstrapping [72.84991726271024]
  我々は,コヒーレントなシーン全体を移動しているように見えるシーンの画像の一部を検出し,分割するための教師なしの手法について述べる。 提案手法はまず,セグメント間の相互情報を最小化することにより,運動場を分割する。 セグメントを使用してオブジェクトモデルを学習し、静的なイメージの検出に使用することができる。
  論文  参考訳（メタデータ） (2020-08-16T22:05:13Z)
• A Survey on Instance Segmentation: State of the art [1.8782750537161614]
  インスタンスセグメンテーションは、オブジェクト検出とセグメンテーションの問題を同時に解決する技術である。 本論文は,インスタンスセグメンテーションの分野で研究したい人に対して,貴重な情報を提供する。
  論文  参考訳（メタデータ） (2020-06-28T14:39:20Z)
• Image Segmentation Using Deep Learning: A Survey [58.37211170954998]
  イメージセグメンテーションは、画像処理とコンピュータビジョンにおいて重要なトピックである。 深層学習モデルを用いた画像セグメンテーション手法の開発を目的とした研究が,これまでに数多く行われている。
  論文  参考訳（メタデータ） (2020-01-15T21:37:47Z)

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。