論文の概要: AURA : Automatic Mask Generator using Randomized Input Sampling for Object Removal

• arxiv url: http://arxiv.org/abs/2305.07857v1
• Date: Sat, 13 May 2023 07:51:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-16 19:19:42.800448
• Title: AURA : Automatic Mask Generator using Randomized Input Sampling for Object Removal
• Title（参考訳）: AURA : 物体除去のためのランダム入力サンプリングを用いたマスク自動生成装置
• Authors: Changsuk Oh, Dongseok Shim, H. Jin Kim
• Abstract要約: 本稿では,オフザシェルフ・イメージ・インパインティング・ネットワークを用いて,オブジェクトをよりよく除去するための入力マスクの生成に焦点をあてる。 本稿では,AI (XAI) 法にヒントを得た自動マスク生成手法を提案する。 実験により,本手法はセマンティックセグメンテーションマップから生成されたマスクよりも,ターゲットクラスオブジェクトの除去性能が向上していることが確認された。
• 参考スコア（独自算出の注目度）: 26.029502031679883
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The objective of the image inpainting task is to fill missing regions of an image in a visually plausible way. Recently, deep-learning-based image inpainting networks have generated outstanding results, and some utilize their models as object removers by masking unwanted objects in an image. However, while trying to better remove objects using their networks, the previous works pay less attention to the importance of the input mask. In this paper, we focus on generating the input mask to better remove objects using the off-the-shelf image inpainting network. We propose an automatic mask generator inspired by the explainable AI (XAI) method, whose output can better remove objects than a semantic segmentation mask. The proposed method generates an importance map using randomly sampled input masks and quantitatively estimated scores of the completed images obtained from the random masks. The output mask is selected by a judge module among the candidate masks which are generated from the importance map. We design the judge module to quantitatively estimate the quality of the object removal results. In addition, we empirically find that the evaluation methods used in the previous works reporting object removal results are not appropriate for estimating the performance of an object remover. Therefore, we propose new evaluation metrics (FID$^*$ and U-IDS$^*$) to properly evaluate the quality of object removers. Experiments confirm that our method shows better performance in removing target class objects than the masks generated from the semantic segmentation maps, and the two proposed metrics make judgments consistent with humans.
• Abstract（参考訳）: 画像の塗装作業の目的は、画像の欠落した領域を視覚的に可視的に埋めることである。 近年,深層学習に基づく画像インパインティングネットワークは,画像中の不要なオブジェクトをマスキングすることで,オブジェクトの除去に利用している。 しかしながら、ネットワークを使ってオブジェクトを適切に削除しようとする一方で、以前の作業では入力マスクの重要性に注意を払わない。 本稿では,オフザシェルフ・イメージ・インパインティング・ネットワークを用いて,オブジェクトをよりよく除去するための入力マスクの生成に焦点をあてる。 本稿では,説明可能なai(xai)手法に触発された自動マスク生成法を提案する。 提案手法は,ランダムな入力マスクを用いて重要度マップを生成し,ランダムなマスクから得られた画像のスコアを定量的に推定する。 出力マスクは、重要度マップから生成される候補マスクのうち、判定モジュールによって選択される。 判定モジュールを設計し,オブジェクト除去結果の品質を定量的に推定する。 さらに, 対象除去結果の報告に用いられた評価手法が, 対象除去器の性能を推定するには適切でないことを実証的に見出した。 そこで我々は,対象物除去器の品質を適切に評価するために,新しい評価指標(FID$^*$とU-IDS$^*$)を提案する。 実験により,本手法は意味的セグメンテーションマップから生成したマスクよりも,目的のクラスオブジェクトを除去する性能が良好であることが確認された。

関連論文リスト

• Task-Decoupled Image Inpainting Framework for Class-specific Object Remover [26.81218265405809]
  本稿では,2つの異なるインペイントモデルを生成するタスク分離型画像インペイントフレームワークを提案する。 対象クラスのオブジェクトを削除することに焦点を当てたクラス固有のオブジェクト除去器を得る。 実験により,提案したクラス固有のオブジェクト除去器は,画像インパインティングネットワークに基づくオブジェクト除去器よりも,目的のクラスオブジェクトを除去できることがわかった。
  論文  参考訳（メタデータ） (2024-10-03T18:32:33Z)
• Object Remover Performance Evaluation Methods using Class-wise Object Removal Images [29.28862692741578]
  オブジェクト除去結果の質を測定して、オブジェクト除去器の性能を定量的に評価する。 そこで本研究では,オブジェクト除去基盤真理を用いたデータセットを作成し,既存の手法による評価を原画像を用いて比較する。 対象物除去器の性能を評価するための新しい評価手法を提案する。
  論文  参考訳（メタデータ） (2024-04-17T06:40:47Z)
• Inpainting-Driven Mask Optimization for Object Removal [15.429649454099085]
  本稿では,画像塗布による物体除去の品質向上のためのマスク最適化手法を提案する。 本手法では, この領域ギャップを, セグメンテーションにより抽出した物体マスクを用いて塗装ネットワークを訓練することにより解決する。 被塗布用マスクを最適化するために、セグメンテーションネットワークは塗工ネットワークに接続され、塗工性能を向上させるために訓練されたエンド・ツー・エンドに接続される。
  論文  参考訳（メタデータ） (2024-03-23T13:52:16Z)
• 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)
• Intelligent Debris Mass Estimation Model for Autonomous Underwater Vehicle [0.0]
  海洋の破片は海洋の野生生物の生存に重大な脅威となり、しばしば絡み合いや飢餓につながる。 インスタンスセグメンテーション(インスタンスセグメンテーション)は、オブジェクトを識別し、それらを正確に特定し、分離するオブジェクト検出の高度な形式である。 AUVは画像セグメンテーションを使用して、カメラが捉えた画像を分析し、水中環境をナビゲートする。
  論文  参考訳（メタデータ） (2023-09-19T13:47:31Z)
• Inst-Inpaint: Instructing to Remove Objects with Diffusion Models [18.30057229657246]
  本研究では,自然言語入力に基づいて除去対象を推定し,同時に除去する画像インペイントアルゴリズムに興味を持つ。 本稿では,テキストプロンプトとして与えられた命令に基づいて画像からオブジェクトを除去する新しいインペイントフレームワークInst-Inpaintを提案する。
  論文  参考訳（メタデータ） (2023-04-06T17:29:50Z)
• 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)
• Towards Improved Input Masking for Convolutional Neural Networks [66.99060157800403]
  層マスキングと呼ぶCNNのための新しいマスキング手法を提案する。 本手法は,マスク形状や色がモデル出力に与える影響を排除あるいは最小化することができることを示す。 また,マスクの形状がクラスに関する情報を漏洩させる可能性を示し,クラス関連特徴に対するモデル依存度の推定に影響を及ぼすことを示した。
  論文  参考訳（メタデータ） (2022-11-26T19:31:49Z)
• Discovering Object Masks with Transformers for Unsupervised Semantic Segmentation [75.00151934315967]
  MaskDistillは教師なしセマンティックセグメンテーションのための新しいフレームワークである。 我々のフレームワークは、低レベルの画像キューにラッチを付けず、オブジェクト中心のデータセットに限らない。
  論文  参考訳（メタデータ） (2022-06-13T17:59:43Z)
• What You See is What You Classify: Black Box Attributions [61.998683569022006]
  我々は、トレーニング済みのブラックボックス分類器であるExpplanandumの属性を予測するために、ディープネットワークであるExplainerを訓練する。 既存のほとんどのアプローチとは異なり、我々の手法はクラス固有のマスクを直接生成することができる。 我々の属性は、視覚的および定量的に確立された方法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-05-23T12:30:04Z)
• High-Resolution Image Inpainting with Iterative Confidence Feedback and Guided Upsampling [122.06593036862611]
  既存の画像塗装法は、実アプリケーションで大きな穴を扱う際に、しばしばアーティファクトを生成する。 本稿では,フィードバック機構を備えた反復インペイント手法を提案する。 実験により,本手法は定量評価と定性評価の両方において既存手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2020-05-24T13:23:45Z)

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。