論文の概要: SegRefiner: Towards Model-Agnostic Segmentation Refinement with Discrete Diffusion Process

• arxiv url: http://arxiv.org/abs/2312.12425v1
• Date: Tue, 19 Dec 2023 18:53:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-20 14:27:57.679975
• Title: SegRefiner: Towards Model-Agnostic Segmentation Refinement with Discrete Diffusion Process
• Title（参考訳）: SegRefiner:離散拡散プロセスによるモデル非依存セグメンテーションリファインメントを目指して
• Authors: Mengyu Wang, Henghui Ding, Jun Hao Liew, Jiajun Liu, Yao Zhao and Yunchao Wei
• Abstract要約: そこで我々は,異なるセグメンテーションモデルによって生成されるオブジェクトマスクの品質を高めるために,SegRefinerと呼ばれるモデルに依存しないソリューションを提案する。 SegRefinerは粗いマスクを入力として取り、離散拡散プロセスを用いてそれらを洗練する。 さまざまな種類の粗いマスクにわたるセグメンテーションメトリックとバウンダリメトリックの両方を一貫して改善する。
• 参考スコア（独自算出の注目度）: 102.18226145874007
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we explore a principal way to enhance the quality of object masks produced by different segmentation models. We propose a model-agnostic solution called SegRefiner, which offers a novel perspective on this problem by interpreting segmentation refinement as a data generation process. As a result, the refinement process can be smoothly implemented through a series of denoising diffusion steps. Specifically, SegRefiner takes coarse masks as inputs and refines them using a discrete diffusion process. By predicting the label and corresponding states-transition probabilities for each pixel, SegRefiner progressively refines the noisy masks in a conditional denoising manner. To assess the effectiveness of SegRefiner, we conduct comprehensive experiments on various segmentation tasks, including semantic segmentation, instance segmentation, and dichotomous image segmentation. The results demonstrate the superiority of our SegRefiner from multiple aspects. Firstly, it consistently improves both the segmentation metrics and boundary metrics across different types of coarse masks. Secondly, it outperforms previous model-agnostic refinement methods by a significant margin. Lastly, it exhibits a strong capability to capture extremely fine details when refining high-resolution images. The source code and trained models are available at https://github.com/MengyuWang826/SegRefiner.
• Abstract（参考訳）: 本稿では,異なるセグメンテーションモデルにより生成されたオブジェクトマスクの品質を高めるための主要な方法を検討する。 本稿では,セグメンテーションの洗練をデータ生成プロセスとして解釈することで,この問題に対する新たな視点を提供するSegRefinerというモデルに依存しないソリューションを提案する。 これにより、一連の消音拡散ステップを通じて微細化処理を円滑に行うことができる。 具体的には、segrefinerは粗いマスクを入力として、離散拡散プロセスを用いて精製する。 各画素のラベル及び対応する状態遷移確率を予測することにより、segrefinerは雑音マスクを条件付きで段階的に洗練する。 segrefinerの有効性を評価するために,セマンティク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,二分法画像セグメンテーションなどの様々なセグメンテーションタスクについて総合的な実験を行った。 その結果、複数の側面からSegRefinerの優位性が示された。 まず、さまざまな種類の粗いマスクにわたるセグメンテーションメトリクスとバウンダリメトリクスの両方を一貫して改善する。 第2に、従来のモデル非依存なリファインメントメソッドをかなりのマージンで上回っている。 最後に、高解像度画像を精細化する際、非常に細部を捉えることができる。 ソースコードとトレーニングされたモデルはhttps://github.com/mengyuwang826/segrefinerで入手できる。

関連論文リスト

• Morphologically-Aware Consensus Computation via Heuristics-based IterATive Optimization (MACCHIatO) [1.8749305679160362]
  本稿では,慎重に選択された距離のFr'echet平均に基づいて,二分法あるいは確率的コンセンサスセグメンテーションを構築する手法を提案する。 その結果,2値のコンセンサスマスクが多数投票とSTAPLEの中間サイズとなり,Mask Averaging法とSTAPLE法との違いが判明した。
  論文  参考訳（メタデータ） (2023-09-14T23:28:58Z)
• Synthetic Instance Segmentation from Semantic Image Segmentation Masks [37.54211062233899]
  合成インスタンスセグメンテーション(SISeg)と呼ばれる新しいパラダイムを提案する。 SISegはセマンティックやインスタンスセグメンテーションモデルをトレーニングする必要はなく、インスタンスレベルのイメージアノテーションを必要としない。 最先端の完全教師付きインスタンスセグメンテーション手法と比較して、競合的な結果が得られる。
  論文  参考訳（メタデータ） (2023-08-02T05:13:02Z)
• DFormer: Diffusion-guided Transformer for Universal Image Segmentation [86.73405604947459]
  提案したDFormerは,拡散モデルを用いて画像分割タスクをデノナイズプロセスとみなしている。 我々のDFormerは、ランダムに生成されたマスクの集合から、マスクとそれに対応するカテゴリを直接予測します。 我々のDFormerは、最近の拡散型汎光学分割法Pix2Seq-Dより優れており、MS COCO val 2017セットで3.6%向上している。
  論文  参考訳（メタデータ） (2023-06-06T06:33:32Z)
• Denoising Diffusion Semantic Segmentation with Mask Prior Modeling [61.73352242029671]
  本稿では,従来の識別的アプローチのセマンティックセグメンテーション品質を,デノナイズ拡散生成モデルでモデル化したマスクを用いて改善することを提案する。 市販セグメンタを用いた先行モデルの評価を行い,ADE20KとCityscapesの実験結果から,本手法が競争力のある定量的性能を実現することを示す。
  論文  参考訳（メタデータ） (2023-06-02T17:47:01Z)
• Diffusion Models for Implicit Image Segmentation Ensembles [1.444701913511243]
  拡散モデルに基づく新しいセマンティックセグメンテーション手法を提案する。 トレーニングとサンプリングの手法を改良することにより,拡散モデルが医用画像の病変分割を行うことができることを示す。 最先端セグメンテーションモデルと比較して,本手法は良好なセグメンテーション結果と有意義な不確実性マップが得られる。
  論文  参考訳（メタデータ） (2021-12-06T16:28:15Z)
• SOLO: A Simple Framework for Instance Segmentation [84.00519148562606]
  インスタンスカテゴリ"は、インスタンスの場所に応じて、インスタンス内の各ピクセルにカテゴリを割り当てる。 SOLO"は、強力なパフォーマンスを備えたインスタンスセグメンテーションのための、シンプルで、直接的で、高速なフレームワークです。 提案手法は, 高速化と精度の両面から, 実例分割の最先端結果を実現する。
  論文  参考訳（メタデータ） (2021-06-30T09:56:54Z)
• BoundarySqueeze: Image Segmentation as Boundary Squeezing [104.43159799559464]
  本研究では,オブジェクトとシーンの微細な高画質画像分割のための新しい手法を提案する。 形態素画像処理技術による拡張と浸食に着想を得て,画素レベルのセグメンテーション問題をスクイーズ対象境界として扱う。 提案手法は,COCO,Cityscapesのインスタンス・セグメンテーション・セグメンテーション・セグメンテーションにおいて大きく向上し,同一条件下での精度・速度ともに従来のPointRendよりも優れていた。
  論文  参考訳（メタデータ） (2021-05-25T04:58:51Z)
• Segmenter: Transformer for Semantic Segmentation [79.9887988699159]
  セマンティックセグメンテーションのためのトランスフォーマーモデルであるSegmenterを紹介します。 最近のViT(Vision Transformer)上に構築し,セマンティックセグメンテーションに拡張する。 これは、挑戦的なADE20Kデータセット上でのアートの状態を上回り、Pascal ContextとCityscapesでオンパーを実行する。
  論文  参考訳（メタデータ） (2021-05-12T13:01:44Z)
• Post-DAE: Anatomically Plausible Segmentation via Post-Processing with Denoising Autoencoders [19.361024564220454]
  Post-DAEは自動エンコーダ (DAE) に基づく後処理法である 本稿では, Post-DAE を用いて, 誤りとノイズのセグメンテーションマスクをいかに改善できるかを示す。
  論文  参考訳（メタデータ） (2020-06-24T15:05:03Z)

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。