論文の概要: Masking Hyperspectral Imaging Data with Pretrained Models

• arxiv url: http://arxiv.org/abs/2311.03053v1
• Date: Mon, 6 Nov 2023 12:08:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-07 14:35:40.013988
• Title: Masking Hyperspectral Imaging Data with Pretrained Models
• Title（参考訳）: 事前学習モデルを用いたマスキングハイパースペクトルイメージングデータ
• Authors: Elias Arbash, Andr\'ea de Lima Ribeiro, Sam Thiele, Nina Gnann, Behnood Rasti, Margret Fuchs, Pedram Ghamisi, Richard Gloaguen
• Abstract要約: 不要なリージョンをマスキングすることが、この問題に対処する鍵となる。 関心領域のみの処理は、計算コスト、必要なメモリ、全体的なパフォーマンスの点で顕著な改善をもたらす。 提案した処理パイプラインは、関心マスク生成領域の2つの基本部分を含み、次いで、新たにマスクされたハイパースペクトルキューブにのみハイパースペクトルデータ処理技術を適用する。
• 参考スコア（独自算出の注目度）: 11.101345527313438
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The presence of undesired background areas associated with potential noise and unknown spectral characteristics degrades the performance of hyperspectral data processing. Masking out unwanted regions is key to addressing this issue. Processing only regions of interest yields notable improvements in terms of computational costs, required memory, and overall performance. The proposed processing pipeline encompasses two fundamental parts: regions of interest mask generation, followed by the application of hyperspectral data processing techniques solely on the newly masked hyperspectral cube. The novelty of our work lies in the methodology adopted for the preliminary image segmentation. We employ the Segment Anything Model (SAM) to extract all objects within the dataset, and subsequently refine the segments with a zero-shot Grounding Dino object detector, followed by intersection and exclusion filtering steps, without the need for fine-tuning or retraining. To illustrate the efficacy of the masking procedure, the proposed method is deployed on three challenging applications scenarios that demand accurate masking; shredded plastics characterization, drill core scanning, and litter monitoring. The numerical evaluation of the proposed masking method on the three applications is provided along with the used hyperparameters. The scripts for the method will be available at https://github.com/hifexplo/Masking.
• Abstract（参考訳）: 潜在的なノイズや未知のスペクトル特性に関連する望ましくない背景領域の存在は、ハイパースペクトルデータ処理の性能を低下させる。 不要なリージョンをマスキングすることが、この問題に対処する鍵となる。 興味のある領域のみを処理することは、計算コスト、必要なメモリ、全体的なパフォーマンスの点で顕著な改善をもたらす。 提案した処理パイプラインは、関心マスク生成領域の2つの基本部分を含み、次いで、新たにマスクされたハイパースペクトルキューブにのみハイパースペクトルデータ処理技術を適用する。 我々の研究の目新しさは、予備画像分割に採用される手法にある。 データセット内の全オブジェクトの抽出にSegment Anything Model(SAM)を使用し、その後、ゼロショットのグラウンディング・ディノ・オブジェクト検出器でセグメントを洗練し、その後、細調整や再トレーニングを必要とせずに、交差点と排他的フィルタリングステップを施した。 マスク法の有効性を説明するため, 正確なマスキングを要求される3つの難解なアプリケーションシナリオ, 細いプラスチックのキャラクタリゼーション, ドリルコアスキャン, ごみモニタリングに本手法を適用した。 提案するマスキング法の3つの応用における数値評価を,使用済みハイパーパラメータとともに行った。 このメソッドのスクリプトはhttps://github.com/hifexplo/maskingで入手できる。

関連論文リスト

• Bridge the Points: Graph-based Few-shot Segment Anything Semantically [79.1519244940518]
  プレトレーニング技術の最近の進歩により、視覚基礎モデルの能力が向上した。 最近の研究はSAMをFew-shot Semantic segmentation (FSS)に拡張している。 本稿では,グラフ解析に基づく簡易かつ効果的な手法を提案する。
  論文  参考訳（メタデータ） (2024-10-09T15:02:28Z)
• Triple Point Masking [49.39218611030084]
  既存の3Dマスク学習手法は、限られたデータの下でパフォーマンスボトルネックに遭遇する。 我々は、マスク付きオートエンコーダの事前学習のためのスケーラブルなフレームワークとして、TPMと呼ばれるトリプルポイントマスキング方式を導入する。 大規模な実験により,提案したTPMを組み込んだ4つのベースラインが,下流タスクの総合的な性能向上を実現することが示された。
  論文  参考訳（メタデータ） (2024-09-26T05:33:30Z)
• Reprojection Errors as Prompts for Efficient Scene Coordinate Regression [9.039259735902625]
  シーン座標回帰(SCR)法は、正確な視覚的位置決めの可能性から、将来的な研究分野として浮上している。 既存のSCRアプローチの多くは、動的オブジェクトやテクスチャレス領域を含む、すべてのイメージ領域からのサンプルをトレーニングする。 我々は,Segment Anything Model (SAM) を用いて,誤り誘導型特徴選択機構を導入する。 このメカニズムは、プロンプトとして低い再投射領域を発生させ、それらをエラー誘導マスクに拡張し、これらのマスクを使用して点をサンプリングし、問題領域を反復的にフィルタリングする。
  論文  参考訳（メタデータ） (2024-09-06T10:43:34Z)
• 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)
• 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)
• Neural Processing of Tri-Plane Hybrid Neural Fields [20.78031512517053]
  本稿では,3面離散データ構造が,標準的な深層学習機械で効果的に処理できるリッチな情報を符号化していることを示す。 同じ再構成品質のフィールドを処理しながら、大規模表現を処理するフレームワークよりもはるかに優れたタスク性能を実現する。
  論文  参考訳（メタデータ） (2023-10-02T12:27:22Z)
• Unsupervised Multi-View Object Segmentation Using Radiance Field Propagation [55.9577535403381]
  本稿では,未ラベルのシーンの多視点画像のみを考慮し,再構成中の3次元オブジェクトのセグメント化に新たなアプローチを提案する。 提案手法の核となるのは,2方向光度損失を持つ個々の物体の放射界に対する新しい伝搬戦略である。 我々の知る限り、RFPはニューラルレイディアンスフィールド(NeRF)のための3次元シーンオブジェクトセグメンテーションに取り組むための最初の教師なしアプローチである。
  論文  参考訳（メタデータ） (2022-10-02T11:14:23Z)
• HMFS: Hybrid Masking for Few-Shot Segmentation [27.49000348046462]
  我々は特徴マスキング(FM)を強化するためのシンプルで効果的で効率的なアプローチを開発した。 本研究では,FM法における微細な空間的詳細の損失を補足する基本入力マスキング手法の検証と活用により補足する。 3つの公開ベンチマークの実験結果から、HMFSは現在の最先端手法よりも目に見えるマージンで優れていることが明らかになった。
  論文  参考訳（メタデータ） (2022-03-24T03:07:20Z)
• Meta Mask Correction for Nuclei Segmentation in Histopathological Image [5.36728433027615]
  ノイズマスクを用いたデータを活用するメタラーニングに基づく新しい原子分割法を提案する。 具体的には,ごく少量のクリーンなメタデータを用いてノイズマスクを修正可能な,従来のメタモデルの設計を行う。 提案手法は, 最先端の結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-11-24T13:53:35Z)
• Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection [63.942632088208505]
  本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。 これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
  論文  参考訳（メタデータ） (2020-03-28T18:51:43Z)

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。