論文の概要: Semantic Diffusion Network for Semantic Segmentation
- arxiv url: http://arxiv.org/abs/2302.02057v1
- Date: Sat, 4 Feb 2023 01:39:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-07 20:32:48.836024
- Title: Semantic Diffusion Network for Semantic Segmentation
- Title（参考訳）: 意味セグメンテーションのための意味拡散ネットワーク
- Authors: Haoru Tan, Sitong Wu, Jimin Pi
- Abstract要約: セマンティック境界認識を強化する演算子レベルのアプローチを導入する。
意味拡散ネットワーク(SDN)と呼ばれる新しい学習可能なアプローチを提案する。
我々のSDNは、元の機能からクラス間境界強化機能への微分可能なマッピングを構築することを目的としています。
- 参考スコア（独自算出の注目度）: 1.933681537640272
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Precise and accurate predictions over boundary areas are essential for
semantic segmentation. However, the commonly-used convolutional operators tend
to smooth and blur local detail cues, making it difficult for deep models to
generate accurate boundary predictions. In this paper, we introduce an
operator-level approach to enhance semantic boundary awareness, so as to
improve the prediction of the deep semantic segmentation model. Specifically,
we first formulate the boundary feature enhancement as an anisotropic diffusion
process. We then propose a novel learnable approach called semantic diffusion
network (SDN) to approximate the diffusion process, which contains a
parameterized semantic difference convolution operator followed by a feature
fusion module. Our SDN aims to construct a differentiable mapping from the
original feature to the inter-class boundary-enhanced feature. The proposed SDN
is an efficient and flexible module that can be easily plugged into existing
encoder-decoder segmentation models. Extensive experiments show that our
approach can achieve consistent improvements over several typical and
state-of-the-art segmentation baseline models on challenging public benchmarks.
The code will be released soon.
- Abstract（参考訳）: 境界領域の正確かつ正確な予測はセマンティックセグメンテーションに不可欠である。
しかし、一般に使用される畳み込み演算子は、局所的な詳細情報を滑らかにぼかす傾向があるため、深いモデルが正確な境界予測を生成するのが困難である。
本稿では,意味的境界意識を高めるためのオペレータレベルのアプローチを提案し,深い意味的セグメンテーションモデルの予測を改善する。
具体的には,まず境界特徴強調を異方性拡散過程として定式化する。
次に、パラメータ化意味差畳み込み演算子と特徴融合モジュールとを含む拡散過程を近似する、意味拡散ネットワーク(SDN)と呼ばれる新しい学習可能なアプローチを提案する。
我々のSDNは、元の機能からクラス間境界強化機能への微分可能なマッピングを構築することを目的としています。
提案するsdnは、既存のエンコーダ/デコーダセグメンテーションモデルに簡単に接続可能な、効率的で柔軟なモジュールである。
広範な実験により,提案手法は,公開ベンチマークに挑戦する上で,いくつかの典型的および最先端のセグメンテーションベースラインモデルに対して一貫した改善を達成可能であることが示された。
コードはまもなくリリースされる。
関連論文リスト
- SSA-Seg: Semantic and Spatial Adaptive Pixel-level Classifier for Semantic Segmentation [11.176993272867396]
本稿ではセマンティック・空間適応(SSA-Seg)を提案し,セマンティックセグメンテーションの課題に対処する。
具体的には、固定されたプロトタイプから得られた粗いマスクを用いて、テスト画像のセマンティック領域と空間領域の中心に向けて固定されたプロトタイプを調整する。
その結果,提案したSSA-Segは,計算コストを最小限に抑えながら,ベースラインモデルのセグメンテーション性能を著しく向上させることがわかった。
論文 参考訳（メタデータ） (2024-05-10T15:14:23Z) - EmerDiff: Emerging Pixel-level Semantic Knowledge in Diffusion Models [52.3015009878545]
我々は、追加の訓練をすることなく、きめ細かなセグメンテーションマップを生成できる画像セグメンタを開発した。
低次元特徴写像の空間的位置と画像画素間の意味的対応を同定する。
大規模な実験では、生成したセグメンテーションマップがよく説明され、画像の細部を捉えることが示されている。
論文 参考訳（メタデータ） (2024-01-22T07:34:06Z) - Video Semantic Segmentation with Inter-Frame Feature Fusion and
Inner-Frame Feature Refinement [39.06589186472675]
マルチフレーム特徴量間の密接なペア関係をモデル化するための時空間融合(STF)モジュールを提案する。
さらに,セマンティックバウンダリ間の困難な予測に対処するために,メモリ拡張改良(MAR)モジュールを提案する。
論文 参考訳（メタデータ） (2023-01-10T07:57:05Z) - SlimSeg: Slimmable Semantic Segmentation with Boundary Supervision [54.16430358203348]
本稿では,単純なスリム化可能なセマンティックセマンティックセマンティクス(SlimSeg)法を提案する。
提案するSlimSegは,様々な主流ネットワークを用いて,計算コストの動的調整と性能向上を実現するフレキシブルなモデルを生成することができることを示す。
論文 参考訳（メタデータ） (2022-07-13T14:41:05Z) - Real-Time Scene Text Detection with Differentiable Binarization and
Adaptive Scale Fusion [62.269219152425556]
セグメンテーションに基づくシーンテキスト検出手法はシーンテキスト検出分野において大きな注目を集めている。
本稿では,二項化処理をセグメンテーションネットワークに統合する分散二項化(DB)モジュールを提案する。
アダプティブ・スケール・フュージョン (ASF) モジュールは, 異なるスケールの特徴を適応的に融合させることにより, スケールのロバスト性を向上させる。
論文 参考訳（メタデータ） (2022-02-21T15:30:14Z) - Self-Ensembling GAN for Cross-Domain Semantic Segmentation [107.27377745720243]
本稿では,セマンティックセグメンテーションのためのクロスドメインデータを利用した自己理解型生成逆数ネットワーク(SE-GAN)を提案する。
SE-GANでは、教師ネットワークと学生ネットワークは、意味分節マップを生成するための自己組織化モデルを構成する。
その単純さにもかかわらず、SE-GANは敵の訓練性能を大幅に向上させ、モデルの安定性を高めることができる。
論文 参考訳（メタデータ） (2021-12-15T09:50:25Z) - Dynamic Dual Sampling Module for Fine-Grained Semantic Segmentation [27.624291416260185]
動的親和性モデリングを行い,意味的コンテキストを局所的な詳細に伝達する動的デュアルサンプリングモジュール(DDSM)を提案する。
City と Camvid のデータセットによる実験結果から,提案手法の有効性と有効性について検証した。
論文 参考訳（メタデータ） (2021-05-25T04:25:47Z) - Affinity Space Adaptation for Semantic Segmentation Across Domains [57.31113934195595]
本稿では,意味的セグメンテーションにおける教師なしドメイン適応(UDA)の問題に対処する。
ソースドメインとターゲットドメインが不変なセマンティック構造を持つという事実に触発され、ドメイン間におけるそのような不変性を活用することを提案する。
親和性空間適応戦略として,親和性空間の洗浄と親和性空間アライメントという2つの方法を開発した。
論文 参考訳（メタデータ） (2020-09-26T10:28:11Z) - Closed-Form Factorization of Latent Semantics in GANs [65.42778970898534]
画像合成のために訓練されたGAN(Generative Adversarial Networks)の潜在空間に、解釈可能な次元の豊富なセットが出現することが示されている。
本研究では,GANが学習した内部表現について検討し,その基礎となる変動要因を教師なしで明らかにする。
本稿では,事前学習した重みを直接分解することで,潜在意味発見のためのクローズドフォーム因数分解アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-07-13T18:05:36Z)
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。