論文の概要: Point2Mask: Point-supervised Panoptic Segmentation via Optimal Transport

• arxiv url: http://arxiv.org/abs/2308.01779v1
• Date: Thu, 3 Aug 2023 14:11:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-04 13:59:33.220201
• Title: Point2Mask: Point-supervised Panoptic Segmentation via Optimal Transport
• Title（参考訳）: ポイント2マスク:最適輸送による点制御型パノプティックセグメンテーション
• Authors: Wentong Li, Yuqian Yuan, Song Wang, Jianke Zhu, Jianshu Li, Jian Liu, Lei Zhang
• Abstract要約: 本稿では,1つのランダムポイントアノテーションのみを用いて,高品質なパノプティクス予測を実現するために,Point2Maskを提案する。 擬似マスク生成は、世界最小の輸送コストで最適な輸送計画を見つけるように変換される。
• 参考スコア（独自算出の注目度）: 23.75992308146237
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Weakly-supervised image segmentation has recently attracted increasing research attentions, aiming to avoid the expensive pixel-wise labeling. In this paper, we present an effective method, namely Point2Mask, to achieve high-quality panoptic prediction using only a single random point annotation per target for training. Specifically, we formulate the panoptic pseudo-mask generation as an Optimal Transport (OT) problem, where each ground-truth (gt) point label and pixel sample are defined as the label supplier and consumer, respectively. The transportation cost is calculated by the introduced task-oriented maps, which focus on the category-wise and instance-wise differences among the various thing and stuff targets. Furthermore, a centroid-based scheme is proposed to set the accurate unit number for each gt point supplier. Hence, the pseudo-mask generation is converted into finding the optimal transport plan at a globally minimal transportation cost, which can be solved via the Sinkhorn-Knopp Iteration. Experimental results on Pascal VOC and COCO demonstrate the promising performance of our proposed Point2Mask approach to point-supervised panoptic segmentation. Source code is available at: https://github.com/LiWentomng/Point2Mask.
• Abstract（参考訳）: 弱い教師付き画像セグメンテーションは最近、高価なピクセル単位のラベル付けを避けるために、研究の注目を集めている。 本稿では,ターゲット毎に1つのランダムポイントアノテーションのみを用いて,高品質なパノプティクス予測を実現するために,Point2Maskという効果的な手法を提案する。 具体的には,各グラウンドトルース(gt)点ラベルと画素サンプルをそれぞれラベルサプライヤーとコンシューマとして定義する,最適輸送(OT)問題としてパノプティック擬似マスク生成を定式化する。 導入したタスク指向マップによって輸送コストを算出し,対象物や対象物間のカテゴリやインスタンスの差異に着目した。 さらに,各gt点サプライヤの正確な単位数を設定するために,センタロイドに基づくスキームを提案する。 したがって、擬似マスク生成は、シンクホーン・ノック・イテレーションを通じて解決可能な、世界最小の輸送コストで最適な輸送計画を見つけるように変換される。 Pascal VOC と COCO の実験結果から,提案した Point2Mask アプローチの有望な性能を示す。 ソースコードはhttps://github.com/liwentomng/point2mask。

関連論文リスト

• LAC-Net: Linear-Fusion Attention-Guided Convolutional Network for Accurate Robotic Grasping Under the Occlusion [79.22197702626542]
  本稿では, 乱れ場面におけるロボットグルーピングのためのアモーダルセグメンテーションを探求する枠組みを提案する。 線形融合注意誘導畳み込みネットワーク(LAC-Net)を提案する。 その結果,本手法が最先端の性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2024-08-06T14:50:48Z)
• Mask2Map: Vectorized HD Map Construction Using Bird's Eye View Segmentation Masks [9.113769643415868]
  本稿では,自動運転アプリケーション用に設計された,新しいエンドツーエンドのオンラインHDマップ構築手法であるMask2Mapを紹介する。 このアプローチでは、シーン内のマップインスタンスのクラスと順序付けられたポイントセットを予測することに重点を置いています。 Mask2Mapは、従来の最先端メソッドよりも優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-07-18T13:48:52Z)
• Weakly Supervised Semantic Segmentation for Driving Scenes [27.0285166404621]
  弱教師付きセマンティックセグメンテーション(WSSS)における最先端技術は、駆動シーンデータセットに深刻な性能劣化を示す。 シーンデータセットの駆動に適した新しいWSSSフレームワークを開発した。
  論文  参考訳（メタデータ） (2023-12-21T08:16:26Z)
• PWISeg: Point-based Weakly-supervised Instance Segmentation for Surgical Instruments [27.89003436883652]
  我々はPWISeg (Point-based Weakly-supervised Instance) という,弱制御型手術器具セグメンテーション手法を提案する。 PWISegは、特徴点とバウンディングボックスの関係をモデル化するために、ポイント・ツー・ボックスとポイント・ツー・マスクのブランチを備えたFCNベースのアーキテクチャを採用している。 そこで本研究では,キー・ツー・マスク・ブランチを駆動し,より正確なセグメンテーション予測を生成するキー・ピクセル・アソシエーション・ロスとキー・ピクセル・アソシエーション・ロスを提案する。
  論文  参考訳（メタデータ） (2023-11-16T11:48:29Z)
• Pointly-Supervised Panoptic Segmentation [106.68888377104886]
  弱教師付き単眼セグメンテーションにポイントレベルのアノテーションを適用するための新しい手法を提案する。 完全に教師された方法で使用される高密度のピクセルレベルラベルの代わりに、ポイントレベルラベルは、監督対象ごとに単一のポイントしか提供しない。 我々は、ポイントレベルのラベルから同時に汎視的擬似マスクを生成し、それらから学習することで、エンドツーエンドのフレームワークにおける問題を定式化する。
  論文  参考訳（メタデータ） (2022-10-25T12:03:51Z)
• Beyond the Prototype: Divide-and-conquer Proxies for Few-shot Segmentation [63.910211095033596]
  少ないショットのセグメンテーションは、少数の濃密なラベル付けされたサンプルのみを与えられた、目に見えないクラスオブジェクトをセグメンテーションすることを目的としている。 分割・分散の精神において, 単純かつ多目的な枠組みを提案する。 提案手法は、DCP(disvision-and-conquer proxies)と呼ばれるもので、適切な信頼性のある情報の開発を可能にする。
  論文  参考訳（メタデータ） (2022-04-21T06:21:14Z)
• Robust Visual Tracking by Segmentation [103.87369380021441]
  対象範囲を推定することは、視覚的物体追跡において根本的な課題となる。 高精度なセグメンテーションマスクを生成するセグメンテーション中心のトラッキングパイプラインを提案する。 我々のトラッカーは、シーンのターゲットを背景コンテンツと明確に区別するターゲット表現をよりよく学習することができる。
  論文  参考訳（メタデータ） (2022-03-21T17:59:19Z)
• Fully Convolutional Networks for Panoptic Segmentation with Point-based Supervision [88.71403886207071]
  そこで我々は,Panoptic FCNと呼ばれる,完全かつ弱教師付きパノプティカルセグメンテーションのための,概念的にシンプルで強力で効率的なフレームワークを提案する。 我々のアプローチは、統一された完全な畳み込みパイプラインにおいて、前景や背景を表現し、予測することを目的としています。 Panoptic FCNは、提案したカーネルジェネレータで各オブジェクトのインスタンスやもののカテゴリをエンコードし、高解像度の機能を直接変換することで予測を生成する。
  論文  参考訳（メタデータ） (2021-08-17T15:28:53Z)
• LabOR: Labeling Only if Required for Domain Adaptive Semantic Segmentation [79.96052264984469]
  本稿では,UDAモデルが不確実な点に対して,少ないラベルを適応的に付与する手法を提案する。 作業コストを最小化しつつ、ドメイン適応型セマンティックセマンティックセマンティクスのための新しいフレームワークの利点を示す。
  論文  参考訳（メタデータ） (2021-08-12T07:35:40Z)

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。