論文の概要: MaskSearch: Querying Image Masks at Scale

• arxiv url: http://arxiv.org/abs/2305.02375v1
• Date: Wed, 3 May 2023 18:28:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-05 18:03:56.245143
• Title: MaskSearch: Querying Image Masks at Scale
• Title（参考訳）: MaskSearch: イメージマスクを大規模にクエリする
• Authors: Dong He, Jieyu Zhang, Maureen Daum, Alexander Ratner, Magdalena Balazinska
• Abstract要約: MaskSearchは、イメージマスクのデータベース上でのクエリの高速化に焦点を当てている。 実世界のデータセットをプロトタイプで実験したところ、MaskSearchはデータの約5%の大きさのインデックスを使用して、個々のクエリを最大2桁高速化することがわかった。
• 参考スコア（独自算出の注目度）: 69.87999854010117
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Machine learning tasks over image databases often generate masks that annotate image content (e.g., saliency maps, segmentation maps) and enable a variety of applications (e.g., determine if a model is learning spurious correlations or if an image was maliciously modified to mislead a model). While queries that retrieve examples based on mask properties are valuable to practitioners, existing systems do not support such queries efficiently. In this paper, we formalize the problem and propose a system, MaskSearch, that focuses on accelerating queries over databases of image masks. MaskSearch leverages a novel indexing technique and an efficient filter-verification query execution framework. Experiments on real-world datasets with our prototype show that MaskSearch, using indexes approximately 5% the size of the data, accelerates individual queries by up to two orders of magnitude and consistently outperforms existing methods on various multi-query workloads that simulate dataset exploration and analysis processes.
• Abstract（参考訳）: 画像データベース上の機械学習タスクは、しばしば画像コンテンツに注釈をつけるマスク(例えば、サリエンシーマップ、セグメンテーションマップ)を生成し、様々なアプリケーションを可能にする(例えば、モデルがスプリアス相関を学習しているかどうか、または、画像が悪意を持ってモデルを見誤っているかどうかを判断する)。 マスク特性に基づいて例を検索するクエリは実践者にとって価値があるが、既存のシステムはそのようなクエリを効率的にサポートしていない。 本稿では,この問題を形式化し,画像マスクデータベース上でのクエリの高速化に着目したMaskSearchを提案する。 MaskSearchは、新しいインデックス技術と効率的なフィルタ検証クエリ実行フレームワークを活用している。 プロトタイプを用いた実世界のデータセット実験では,データサイズの約5%のインデックスを使用して,個々のクエリを最大2桁高速化し,データセット探索と分析プロセスをシミュレートしたさまざまなマルチクエリワークロードの既存メソッドを一貫して上回っている。

関連論文リスト

• Shift and matching queries for video semantic segmentation [0.0]
  本稿では,問合せに基づく画像分割モデルをビデオに拡張する手法を提案する。 この方法はクエリベースのアーキテクチャを使用し、デコードされたクエリはセグメンテーションマスクを表す。 CityScapes-VPSとVSPWの実験結果は、ベースラインから大きく改善された。
  論文  参考訳（メタデータ） (2024-10-10T06:07:33Z)
• Masked Image Modeling: A Survey [73.21154550957898]
  マスク付き画像モデリングは、コンピュータビジョンにおける強力な自己教師付き学習技術として登場した。 我々は近年,分類学を構築し,最も顕著な論文をレビューしている。 我々は,最も人気のあるデータセット上で,様々なマスク付き画像モデリング手法の性能評価結果を集約する。
  論文  参考訳（メタデータ） (2024-08-13T07:27:02Z)
• ColorMAE: Exploring data-independent masking strategies in Masked AutoEncoders [53.3185750528969]
  Masked AutoEncoders (MAE)は、堅牢な自己管理フレームワークとして登場した。 データに依存しないColorMAEという手法を導入し、ランダムノイズをフィルタすることで異なる二元マスクパターンを生成する。 ランダムマスキングと比較して,下流タスクにおける戦略の優位性を示す。
  論文  参考訳（メタデータ） (2024-07-17T22:04:00Z)
• Demonstration of MaskSearch: Efficiently Querying Image Masks for Machine Learning Workflows [3.7576528194977965]
  MaskSearchは、機械学習モデルによって生成された画像マスクのデータベース上でのクエリを高速化するシステムである。 マスク特性に基づいて画像とそれに対応するマスクを検索するための新しいカテゴリのクエリを形式化し、高速化する。
  論文  参考訳（メタデータ） (2024-04-09T18:27:59Z)
• Variance-insensitive and Target-preserving Mask Refinement for Interactive Image Segmentation [68.16510297109872]
  ポイントベースのインタラクティブなイメージセグメンテーションは、セマンティックセグメンテーションや画像編集といったアプリケーションにおけるマスクアノテーションの負担を軽減することができる。 本稿では,ユーザ入力の少ないセグメンテーション品質を向上する新しい手法である可変無感・ターゲット保存マスクリファインメントを提案する。 GrabCut、バークレー、SBD、DAVISデータセットの実験は、インタラクティブな画像セグメンテーションにおける我々の手法の最先端性能を実証している。
  論文  参考訳（メタデータ） (2023-12-22T02:31:31Z)
• Improving Masked Autoencoders by Learning Where to Mask [65.89510231743692]
  マスケ画像モデリングは視覚データに対する有望な自己教師型学習手法である。 本稿では,Gumbel-Softmax を用いて,対向学習マスク生成装置とマスク誘導画像モデリングプロセスとを相互接続するフレームワーク AutoMAE を提案する。 実験の結果,AutoMAEは,標準の自己監督型ベンチマークや下流タスクに対して,効果的な事前学習モデルを提供することがわかった。
  論文  参考訳（メタデータ） (2023-03-12T05:28:55Z)
• Few-shot semantic segmentation via mask aggregation [5.886986014593717]
  セマンティックセグメンテーションは、ラベル付きデータが少ない新しいクラスを認識することを目的としている。 従来の研究では、これをピクセル単位の分類問題と見なしていた。 この問題に対処するためのマスクベースの分類手法を提案する。
  論文  参考訳（メタデータ） (2022-02-15T07:13:09Z)
• Scaling up instance annotation via label propagation [69.8001043244044]
  本稿では,オブジェクトセグメンテーションマスクを用いた大規模データセット構築のための高効率アノテーション手法を提案する。 セグメンテーションモデルによるマスク予測に階層的クラスタリングを用いることにより,これらの類似性を生かした。 総アノテーション時間はたった290時間である100万個のオブジェクトセグメンテーションマスクが得られた。
  論文  参考訳（メタデータ） (2021-10-05T18:29:34Z)

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。