論文の概要: Few Shot Semantic Segmentation: a review of methodologies and open challenges

• arxiv url: http://arxiv.org/abs/2304.05832v1
• Date: Wed, 12 Apr 2023 13:07:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-13 15:01:42.486124
• Title: Few Shot Semantic Segmentation: a review of methodologies and open challenges
• Title（参考訳）: シュートセマンティックセマンティックセグメンテーション : 方法論とオープン課題のレビュー
• Authors: Nico Catalano, Matteo Matteucci
• Abstract要約: Few-Shot Learningでは、モデルがいくつかのサンプルから新しいタスクを学ぶことができる。 Deep Neural Networksはセマンティックセグメンテーションにおいて高い精度を達成したが、大規模なトレーニングデータセットを必要としている。 一部のドメインは、希少性、プライバシー上の懸念、熟練したアノテータの必要性により、そのようなデータセットを構築するのに苦労している。
• 参考スコア（独自算出の注目度）: 9.413131350284083
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Semantic segmentation assigns category labels to each pixel in an image, enabling breakthroughs in fields such as autonomous driving and robotics. Deep Neural Networks have achieved high accuracies in semantic segmentation but require large training datasets. Some domains have difficulties building such datasets due to rarity, privacy concerns, and the need for skilled annotators. Few-Shot Learning (FSL) has emerged as a new research stream that allows models to learn new tasks from a few samples. This contribution provides an overview of FSL in semantic segmentation (FSS), proposes a new taxonomy, and describes current limitations and outlooks.
• Abstract（参考訳）: セマンティックセグメンテーションは画像の各ピクセルにカテゴリラベルを割り当て、自動運転やロボティクスといった分野におけるブレークスルーを可能にする。 Deep Neural Networksはセマンティックセグメンテーションにおいて高い精度を達成したが、大規模なトレーニングデータセットを必要としている。 一部のドメインは、希少性、プライバシー上の懸念、熟練したアノテータの必要性により、そのようなデータセットを構築するのに苦労している。 few-shot learning (fsl)は、モデルがいくつかのサンプルから新しいタスクを学習できる新しい研究ストリームとして登場した。 この貢献は、意味的セグメンテーション(FSS)におけるFSLの概要を提供し、新しい分類法を提案し、現在の限界と展望を説明する。

関連論文リスト

• Cross-Target Stance Detection: A Survey of Techniques, Datasets, and Challenges [7.242609314791262]
  クロスターゲットスタンス検出(クロスターゲットスタンス検出)は、テキストで表現された視点を所定のターゲットに向けて決定するタスクである。 オンラインの視点や意見の分析やマイニングの必要性が高まる中、このタスクは近年大きな関心を集めている。 本総説では,過去10年間の目標間姿勢検出の進歩について検討する。
  論文  参考訳（メタデータ） (2024-09-20T15:49:14Z)
• Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
  ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。 また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
  論文  参考訳（メタデータ） (2024-05-13T14:44:22Z)
• Corpus Considerations for Annotator Modeling and Scaling [9.263562546969695]
  一般的に使われているユーザトークンモデルは、より複雑なモデルよりも一貫して優れています。 以上の結果から,コーパス統計とアノテータモデリング性能の関係が明らかになった。
  論文  参考訳（メタデータ） (2024-04-02T22:27:24Z)
• 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)
• Data-efficient Large Vision Models through Sequential Autoregression [58.26179273091461]
  限られたデータセットに基づいて,効率的な自己回帰に基づく視覚モデルを構築する。 このモデルは,高レベル・低レベルのセマンティック理解の両方にまたがる視覚的タスクにおいて,その習熟度をいかに達成するかを実証する。 我々の経験的評価は、モデルが様々なタスクに適応する際の機敏さを強調し、パラメータフットプリントの大幅な削減を図った。
  論文  参考訳（メタデータ） (2024-02-07T13:41:53Z)
• Foundational Models Defining a New Era in Vision: A Survey and Outlook [151.49434496615427]
  視覚シーンの構成的性質を観察し、推論する視覚システムは、我々の世界を理解するのに不可欠である。 モデルは、このようなモダリティと大規模なトレーニングデータとのギャップを埋めることを学び、コンテキスト推論、一般化、テスト時の迅速な機能を容易にした。 このようなモデルの出力は、例えば、バウンディングボックスを設けて特定のオブジェクトをセグメント化したり、画像や映像シーンについて質問したり、言語命令でロボットの動作を操作することで対話的な対話を行うなど、リトレーニングすることなく、人為的なプロンプトによって変更することができる。
  論文  参考訳（メタデータ） (2023-07-25T17:59:18Z)
• A Threefold Review on Deep Semantic Segmentation: Efficiency-oriented, Temporal and Depth-aware design [77.34726150561087]
  我々は、自動運転車のビジョンの文脈において、Deep Semanticの最も関連性があり最近の進歩について調査を行う。 私たちの主な目的は、それぞれの視点で直面している主要な方法、利点、制限、結果、課題に関する包括的な議論を提供することです。
  論文  参考訳（メタデータ） (2023-03-08T01:29:55Z)
• 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)
• Panoptic Segmentation: A Review [2.270719568619559]
  本稿では,既存の汎視的セグメンテーション手法の包括的レビューを行う。 パノプティクスのセグメンテーションは現在、ビデオ監視、群衆のカウント、自動運転、医療画像分析などの画像シーンに関する、より精巧な知識を得るために研究中である。
  論文  参考訳（メタデータ） (2021-11-19T14:40:24Z)
• 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。