論文の概要: Boundary Attention: Learning to Find Faint Boundaries at Any Resolution

• arxiv url: http://arxiv.org/abs/2401.00935v1
• Date: Mon, 1 Jan 2024 19:00:55 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-03 15:11:09.175461
• Title: Boundary Attention: Learning to Find Faint Boundaries at Any Resolution
• Title（参考訳）: 境界注意:どんな解像度でも境界を見つけることを学ぶ
• Authors: Mia Gaia Polansky, Charles Herrmann, Junhwa Hur, Deqing Sun, Dor Verbin, Todd Zickler
• Abstract要約: 本モデルでは,境界信号が非常に弱い場合やノイズに浸された場合においても,正確な結果が得られることを示す。 ファイン境界を求める従来の手法と比較して、我々のモデルは微分可能であるという利点がある。
• 参考スコア（独自算出の注目度）: 24.866113908206966
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a differentiable model that explicitly models boundaries -- including contours, corners and junctions -- using a new mechanism that we call boundary attention. We show that our model provides accurate results even when the boundary signal is very weak or is swamped by noise. Compared to previous classical methods for finding faint boundaries, our model has the advantages of being differentiable; being scalable to larger images; and automatically adapting to an appropriate level of geometric detail in each part of an image. Compared to previous deep methods for finding boundaries via end-to-end training, it has the advantages of providing sub-pixel precision, being more resilient to noise, and being able to process any image at its native resolution and aspect ratio.
• Abstract（参考訳）: 我々は境界注意と呼ばれる新しいメカニズムを用いて、輪郭、コーナー、ジャンクションを含む境界を明示的にモデル化する微分可能なモデルを提案する。 その結果,境界信号が非常に弱かったり,雑音が弱かったりしても,モデルが正確な結果を与えることがわかった。 ファイン境界を求める従来の手法と比較して、我々のモデルは微分可能であり、大きな画像に対してスケーラブルであり、画像の各部分における幾何的詳細の適切なレベルに自動的に適応するという利点がある。 エンドツーエンドのトレーニングによる境界を見つけるための従来のディープメソッドと比較して、サブピクセルの精度を提供し、ノイズに耐性があり、ネイティブ解像度とアスペクト比で任意の画像を処理できるという利点がある。

関連論文リスト

• Generating grid maps via the snake model [10.489493860187348]
  グリッドマップはタイルマップと呼ばれ、地理空間の可視化において重要なツールである。 地理的領域をグリッドに変換するため、コヒーレントグリッドアレンジメントを確立するために、セントロイドと境界ノードの両方の変位を必要とする。 既存のアプローチは通常、領域セントロイドと境界ノードを別々に置き換える。 本研究では,Snake変位アルゴリズムを地図一般化から適用し,領域セントロイドと境界ノードを同時に変位させる手法を提案する。
  論文  参考訳（メタデータ） (2024-06-04T02:24:39Z)
• Binary Opacity Grids: Capturing Fine Geometric Detail for Mesh-Based View Synthesis [70.40950409274312]
  我々は、細い構造を再構築する能力を損なうことなく、表面への収束を促すために密度場を変更する。 また, メッシュの単純化と外観モデルの適合により, 融合型メッシュ方式を開発した。 私たちのモデルで生成されたコンパクトメッシュは、モバイルデバイス上でリアルタイムでレンダリングできます。
  論文  参考訳（メタデータ） (2024-02-19T18:59:41Z)
• DeepBranchTracer: A Generally-Applicable Approach to Curvilinear Structure Reconstruction Using Multi-Feature Learning [12.047523258256088]
  本稿では,外部画像の特徴と内部幾何学的特徴の両方を学習し,曲線構造を再構築するDeepBranchTracerを紹介する。 既存のセグメンテーション法や再構成法よりも優れた性能を示すため,2次元データセットと3次元データセットの両方でモデルを広範囲に評価した。
  論文  参考訳（メタデータ） (2024-02-02T07:13:07Z)
• Parallax-Tolerant Unsupervised Deep Image Stitching [57.76737888499145]
  本稿では,パララックス耐性の非教師あり深層画像縫合技術であるUDIS++を提案する。 まず,グローバルなホモグラフィから局所的な薄板スプライン運動への画像登録をモデル化するための,頑健で柔軟なワープを提案する。 本研究では, 縫合された画像をシームレスに合成し, シーム駆動合成マスクの教師なし学習を行うことを提案する。
  論文  参考訳（メタデータ） (2023-02-16T10:40:55Z)
• Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud Analysis [66.49788145564004]
  我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。 我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-12-17T15:05:25Z)
• Neural Convolutional Surfaces [59.172308741945336]
  この研究は、大域的、粗い構造から、微細で局所的で、おそらく繰り返される幾何学を歪める形状の表現に関係している。 このアプローチは, 最先端技術よりも優れたニューラル形状圧縮を実現するとともに, 形状詳細の操作と伝達を可能にする。
  論文  参考訳（メタデータ） (2022-04-05T15:40:11Z)
• DeepCurrents: Learning Implicit Representations of Shapes with Boundaries [25.317812435426216]
  本稿では,明示的な境界曲線と暗黙的な学習内部を結合したハイブリッド形状表現を提案する。 さらに、境界曲線と潜時符号でパラメータ化された形状の学習ファミリを実証する。
  論文  参考訳（メタデータ） (2021-11-17T20:34:20Z)
• Field of Junctions: Extracting Boundary Structure at Low SNR [5.584060970507507]
  本稿では,輪郭,角,ジャンクションなど,画像内の多くの境界要素を同時に検出するボトムアップ検出器を提案する。 特に、輪郭、角、ジャンクション、および均一領域の分析により、境界検出の他の方法が失敗する高いノイズレベルで成功することができる。
  論文  参考訳（メタデータ） (2020-11-27T17:46:08Z)
• Neural Subdivision [58.97214948753937]
  本稿では,データ駆動型粗粒度モデリングの新しいフレームワークであるNeural Subdivisionを紹介する。 すべてのローカルメッシュパッチで同じネットワーク重みのセットを最適化するため、特定の入力メッシュや固定属、カテゴリに制約されないアーキテクチャを提供します。 単一の高分解能メッシュでトレーニングしても,本手法は新規な形状に対して合理的な区分を生成する。
  論文  参考訳（メタデータ） (2020-05-04T20:03:21Z)
• Multi-View Optimization of Local Feature Geometry [70.18863787469805]
  本研究では,複数視点からの局所像の特徴の幾何を,未知のシーンやカメラの幾何を伴わずに精査する問題に対処する。 提案手法は,従来の特徴抽出とマッチングのパラダイムを自然に補完する。 本手法は,手作りと学習の両方の局所的特徴に対して,三角測量とカメラのローカライゼーション性能を常に向上することを示す。
  論文  参考訳（メタデータ） (2020-03-18T17:22:11Z)

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。