論文の概要: Semantic Image Segmentation: Two Decades of Research
- arxiv url: http://arxiv.org/abs/2302.06378v1
- Date: Mon, 13 Feb 2023 14:11:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-14 15:21:15.515305
- Title: Semantic Image Segmentation: Two Decades of Research
- Title（参考訳）: セマンティック・イメージ・セグメンテーション:2年間の研究
- Authors: Gabriela Csurka, Riccardo Volpi and Boris Chidlovskii
- Abstract要約: 本書はセマンティックイメージセグメンテーション(SiS)分野における20年間の研究成果をまとめたものである。
本稿では,近年のトランスフォーマーの利用動向を含む,最近のディープラーニング手法の概要を紹介する。
我々は、マルチドメイン学習、ドメイン一般化、ドメインインクリメンタル学習、テスト時間適応、ソースフリードメイン適応といった新しいトレンドを明らかにした。
- 参考スコア（独自算出の注目度）: 22.533249554532322
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Semantic image segmentation (SiS) plays a fundamental role in a broad variety
of computer vision applications, providing key information for the global
understanding of an image. This survey is an effort to summarize two decades of
research in the field of SiS, where we propose a literature review of solutions
starting from early historical methods followed by an overview of more recent
deep learning methods including the latest trend of using transformers. We
complement the review by discussing particular cases of the weak supervision
and side machine learning techniques that can be used to improve the semantic
segmentation such as curriculum, incremental or self-supervised learning.
State-of-the-art SiS models rely on a large amount of annotated samples,
which are more expensive to obtain than labels for tasks such as image
classification. Since unlabeled data is instead significantly cheaper to
obtain, it is not surprising that Unsupervised Domain Adaptation (UDA) reached
a broad success within the semantic segmentation community. Therefore, a second
core contribution of this book is to summarize five years of a rapidly growing
field, Domain Adaptation for Semantic Image Segmentation (DASiS) which embraces
the importance of semantic segmentation itself and a critical need of adapting
segmentation models to new environments. In addition to providing a
comprehensive survey on DASiS techniques, we unveil also newer trends such as
multi-domain learning, domain generalization, domain incremental learning,
test-time adaptation and source-free domain adaptation. Finally, we conclude
this survey by describing datasets and benchmarks most widely used in SiS and
DASiS and briefly discuss related tasks such as instance and panoptic image
segmentation, as well as applications such as medical image segmentation.
- Abstract（参考訳）: セマンティックイメージセグメンテーション(SiS)は様々なコンピュータビジョンアプリケーションにおいて基本的な役割を担い、画像のグローバルな理解のための重要な情報を提供する。
本調査は,SiS分野における20年間の研究成果を要約する試みであり,近年のトランスフォーマーの利用動向を含む,最近のディープラーニング手法の概要を概説した,初期の歴史的手法から始まるソリューションの文献的レビューを提案する。
我々は,カリキュラム,インクリメンタル,あるいは自己教師付き学習といった意味的セグメンテーションを改善するために使用できる,弱い監督とサイド機械学習技術の特定のケースについて議論することで,レビューを補完する。
最先端のSiSモデルは大量の注釈付きサンプルに依存しており、画像分類などのタスクのラベルよりも高額である。
ラベルのないデータは入手がかなり安価であるため、Unsupervised Domain Adaptation (UDA)がセマンティックセグメンテーションコミュニティで広く成功したことは驚くべきことではない。
したがって、本書の2つ目の中核的な貢献は、セグメンテーション自体の重要性を受け入れ、セグメンテーションモデルを新しい環境に適応させる重要な必要性を抱く、急速に成長する分野であるDASiS(Domain Adaptation for Semantic Image Segmentation)の5年間を要約することである。
dasis技術に関する包括的な調査に加えて,マルチドメイン学習,ドメイン一般化,ドメインインクリメンタル学習,テスト時間適応,ソースフリードメイン適応といった新たなトレンドも紹介する。
最後に,SiS や DASiS で広く使用されているデータセットとベンチマークを概説し,実例や汎視像のセグメンテーションなどの関連タスクや,医用画像のセグメンテーションなどの応用について概説した。
関連論文リスト
- Image Segmentation in Foundation Model Era: A Survey [99.19456390358211]
イメージセグメンテーションにおける現在の研究は、これらの進歩に関連する特徴、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) - Grounding Stylistic Domain Generalization with Quantitative Domain Shift Measures and Synthetic Scene Images [63.58800688320182]
ドメインの一般化は機械学習において難しい課題である。
現在の方法論は、スタイリスティック領域におけるシフトに関する定量的な理解を欠いている。
これらのリスクに対処する新しいDGパラダイムを導入する。
論文 参考訳（メタデータ） (2024-05-24T22:13:31Z) - Semi-Supervised Semantic Segmentation Based on Pseudo-Labels: A Survey [49.47197748663787]
本総説は, 半教師付きセマンティックセグメンテーション分野における擬似ラベル手法に関する最新の研究成果について, 包括的かつ組織的に概観することを目的としている。
さらに,医用およびリモートセンシング画像のセグメンテーションにおける擬似ラベル技術の適用について検討する。
論文 参考訳（メタデータ） (2024-03-04T10:18:38Z) - Weakly-Supervised Semantic Segmentation with Image-Level Labels: from
Traditional Models to Foundation Models [33.690846523358836]
弱教師付きセマンティックセマンティックセグメンテーション(WSSS)はピクセルレベルのラベルを避ける効果的なソリューションである。
私たちは、WSSSの最も難しい形態であるイメージレベルのラベルによるWSSSに焦点を当てています。
本稿では,WSSS の文脈において,Segment Anything Model (SAM) などの視覚基盤モデルの適用性について検討する。
論文 参考訳（メタデータ） (2023-10-19T07:16:54Z) - Unsupervised Domain Adaptation for Semantic Image Segmentation: a
Comprehensive Survey [24.622211579286127]
この調査は、この信じられないほど急速に成長している分野の5年間をまとめたものです。
最も重要なセマンティックセグメンテーション手法を提案する。
マルチドメイン学習、ドメイン一般化、テスト時間適応、ソースフリードメイン適応といった新しいトレンドを紹介します。
論文 参考訳（メタデータ） (2021-12-06T18:47:41Z) - Novel Class Discovery in Semantic Segmentation [104.30729847367104]
セマンティックにおける新しいクラス発見(NCDSS)について紹介する。
ラベル付き非結合クラスの集合から事前の知識を与えられた新しいクラスを含むラベル付きイメージのセグメンテーションを目的としている。
NCDSSでは、オブジェクトと背景を区別し、画像内の複数のクラスの存在を処理する必要があります。
本稿では,エントロピーに基づく不確実性モデリングと自己学習(EUMS)フレームワークを提案し,ノイズの多い擬似ラベルを克服する。
論文 参考訳（メタデータ） (2021-12-03T13:31:59Z) - Improving Semi-Supervised and Domain-Adaptive Semantic Segmentation with
Self-Supervised Depth Estimation [94.16816278191477]
本稿では,セミアダプティブなセマンティックセマンティックセマンティックセグメンテーションのためのフレームワークを提案する。
ラベルのない画像シーケンスでのみ訓練された自己教師付き単眼深度推定によって強化される。
提案したモデルをCityscapesデータセット上で検証する。
論文 参考訳（メタデータ） (2021-08-28T01:33:38Z) - 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) - Unsupervised Domain Adaptation in Semantic Segmentation: a Review [22.366638308792734]
本研究の目的は, セマンティックセグメンテーションのための深層ネットワークのUnsupervised Domain Adaptation (UDA) の最近の進歩について概説することである。
論文 参考訳（メタデータ） (2020-05-21T20:10:38Z)
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。