論文の概要: FreeCOS: Self-Supervised Learning from Fractals and Unlabeled Images for
Curvilinear Object Segmentation
- arxiv url: http://arxiv.org/abs/2307.07245v1
- Date: Fri, 14 Jul 2023 09:38:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-17 14:33:56.551818
- Title: FreeCOS: Self-Supervised Learning from Fractals and Unlabeled Images for
Curvilinear Object Segmentation
- Title（参考訳）: FreeCOS: 曲線オブジェクトセグメンテーションのためのフラクタルとラベルなし画像からの自己教師付き学習
- Authors: Tianyi Shi, Xiaohuan Ding, Liang Zhang, Xin Yang
- Abstract要約: 本稿では, フラクタルや未ラベル画像から頑健で独特な特徴を学習する自己教師型カービリニアオブジェクトセグメンテーション法を提案する。
主な貢献は、新しいフラクタル-FDA合成(FFS)モジュールと幾何情報アライメント(GIA)アプローチである。
GIAは、与えられたピクセルの強度次数と近隣のピクセルの値を比較することで、合成画像とラベルなし画像の強度差を低減する。
- 参考スコア（独自算出の注目度）: 7.078356641689271
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Curvilinear object segmentation is critical for many applications. However,
manually annotating curvilinear objects is very time-consuming and error-prone,
yielding insufficiently available annotated datasets for existing supervised
methods and domain adaptation methods. This paper proposes a self-supervised
curvilinear object segmentation method that learns robust and distinctive
features from fractals and unlabeled images (FreeCOS). The key contributions
include a novel Fractal-FDA synthesis (FFS) module and a geometric information
alignment (GIA) approach. FFS generates curvilinear structures based on the
parametric Fractal L-system and integrates the generated structures into
unlabeled images to obtain synthetic training images via Fourier Domain
Adaptation. GIA reduces the intensity differences between the synthetic and
unlabeled images by comparing the intensity order of a given pixel to the
values of its nearby neighbors. Such image alignment can explicitly remove the
dependency on absolute intensity values and enhance the inherent geometric
characteristics which are common in both synthetic and real images. In
addition, GIA aligns features of synthetic and real images via the prediction
space adaptation loss (PSAL) and the curvilinear mask contrastive loss (CMCL).
Extensive experimental results on four public datasets, i.e., XCAD, DRIVE,
STARE and CrackTree demonstrate that our method outperforms the
state-of-the-art unsupervised methods, self-supervised methods and traditional
methods by a large margin. The source code of this work is available at
https://github.com/TY-Shi/FreeCOS.
- Abstract（参考訳）: 線形オブジェクトのセグメンテーションは多くの応用に不可欠である。
しかし、手動でカービリニアオブジェクトをアノテートするのは非常に時間がかかり、エラーが発生しやすいため、既存の教師付きメソッドやドメイン適応メソッドのアノテートデータセットが不十分である。
本稿では, フラクタルや未ラベル画像(FreeCOS)から頑健で独特な特徴を学習する自己教師付きカービリニアオブジェクトセグメンテーション法を提案する。
主な貢献は、新しいフラクタル-FDA合成(FFS)モジュールと幾何学情報アライメント(GIA)アプローチである。
ffsはパラメトリックフラクタルl系に基づいて曲線構造を生成し、生成した構造をラベルなし画像に統合し、フーリエ領域適応により合成訓練画像を得る。
GIAは、与えられたピクセルの強度順序と近隣の値を比較することにより、合成画像とラベルなし画像の強度差を低減する。
このような画像アライメントは、絶対強度値への依存性を明確に取り除き、合成画像と実画像の両方に共通する固有の幾何学的特徴を高めることができる。
さらに、GAAは、予測空間適応損失(PSAL)とカービリナーマスクコントラスト損失(CMCL)を介して合成画像と実画像の特徴を整列する。
XCAD,DRIVE,STARE,CrackTreeの4つの公開データセットに対する大規模な実験結果から,我々の手法は最先端の教師なし手法,自己管理手法,従来の手法を大きなマージンで上回ることを示した。
この作業のソースコードはhttps://github.com/ty-shi/freecosで入手できる。
関連論文リスト
- Enriching Information and Preserving Semantic Consistency in Expanding Curvilinear Object Segmentation Datasets [1.0104586293349587]
カービ線形オブジェクトセグメンテーションは、様々なアプリケーションにおいて重要な役割を果たすが、この領域のデータセットは、しばしば小さなスケールに悩まされる。
本稿では,カービリニアオブジェクトセグメンテーションデータセットを拡張するための新しいアプローチを提案する。
本手法は,複数のテキスト特徴量からカービリニアオブジェクトを生成することによって,合成データの情報性が向上する。
論文 参考訳（メタデータ） (2024-07-11T06:25:26Z) - Multi-Scale Texture Loss for CT denoising with GANs [0.9349653765341301]
損失関数にマルチスケールテクスチャ情報をキャプチャして埋め込む新しい手法を提案する。
本稿では,自己認識層によって動的に集約された画像の多スケールテクスチャ表現について紹介する。
低用量CTで広範な実験を行うことで,本手法の有効性を検証した。
論文 参考訳（メタデータ） (2024-03-25T11:28:52Z) - Distance Weighted Trans Network for Image Completion [52.318730994423106]
本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。
CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。
DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
論文 参考訳（メタデータ） (2023-10-11T12:46:11Z) - Padding-free Convolution based on Preservation of Differential
Characteristics of Kernels [1.3597551064547502]
本稿では,カーネルの差分特性の保存に基づくサイズ保持畳み込み法を提案する。
主なアイデアは、不完全なスライドウィンドウ上の畳み込みを、その中心画素で局所的に評価された線形微分作用素に"崩壊"させることである。
論文 参考訳（メタデータ） (2023-09-12T16:36:12Z) - GM-NeRF: Learning Generalizable Model-based Neural Radiance Fields from
Multi-view Images [79.39247661907397]
本稿では,自由視点画像の合成に有効なフレームワークであるGeneralizable Model-based Neural Radiance Fieldsを提案する。
具体的には、多視点2D画像からの出現コードを幾何学的プロキシに登録するための幾何学誘導型アテンション機構を提案する。
論文 参考訳（メタデータ） (2023-03-24T03:32:02Z) - RecRecNet: Rectangling Rectified Wide-Angle Images by Thin-Plate Spline
Model and DoF-based Curriculum Learning [62.86400614141706]
我々はRecRecNet(Rectangling Rectification Network)という新しい学習モデルを提案する。
我々のモデルは、ソース構造をターゲット領域に柔軟にワープし、エンドツーエンドの非教師なし変形を実現する。
実験により, 定量評価と定性評価の両面において, 比較法よりも解法の方が優れていることが示された。
論文 参考訳（メタデータ） (2023-01-04T15:12:57Z) - Multi-View Object Pose Refinement With Differentiable Renderer [22.040014384283378]
本稿では,合成データの学習方法の改善に焦点をあてた,新しい多視点6 DoFオブジェクトポーズ改善手法を提案する。
これはDPOD検出器に基づいており、各フレーム内のモデル頂点と画像画素との間の密度の高い2D-3D対応を生成する。
合成および実データに基づいて訓練された最先端の手法と比較して優れた性能を報告した。
論文 参考訳（メタデータ） (2022-07-06T17:02:22Z) - Self-supervised Geometric Perception [96.89966337518854]
自己教師付き幾何知覚(self-supervised geometric perception)は、基底幾何モデルラベルなしで対応マッチングのための特徴記述子を学ぶためのフレームワークである。
また,SGPは,地上トラスラベルを用いて訓練した教師付きオークルよりも同等か優れる最先端性能を達成できることを示す。
論文 参考訳（メタデータ） (2021-03-04T15:34:43Z) - ProAlignNet : Unsupervised Learning for Progressively Aligning Noisy
Contours [12.791313859673187]
ProAlignNetは、輪郭形状間の大規模なミスアライメントと複雑な変換を説明できる。
近接感度および局所形状依存類似度測定値の上界から導出される新しい損失関数を用いて学習する。
実世界の2つの応用において、提案したモデルは最先端の手法よりも一貫して優れている。
論文 参考訳（メタデータ） (2020-05-23T14:56:14Z) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳（メタデータ） (2020-03-31T11:50:43Z) - Residual-Sparse Fuzzy $C$-Means Clustering Incorporating Morphological
Reconstruction and Wavelet frames [146.63177174491082]
Fuzzy $C$-Means (FCM)アルゴリズムは、形態的再構成操作とタイトウェーブレットフレーム変換を組み込んでいる。
特徴集合とその理想値の間の残差に対して$ell_0$正規化項を付与することにより、改良されたFCMアルゴリズムを提案する。
合成, 医用, カラー画像に対する実験結果から, 提案アルゴリズムは効率的かつ効率的であり, 他のアルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2020-02-14T10:00:03Z)
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。