論文の概要: Boundary Attention: Learning to Localize Boundaries under High Noise
- arxiv url: http://arxiv.org/abs/2401.00935v2
- Date: Mon, 18 Mar 2024 23:41:41 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-20 23:41:33.453519
- Title: Boundary Attention: Learning to Localize Boundaries under High Noise
- Title(参考訳): 境界注意: 高騒音下で境界を局所化する学習
- Authors: Mia Gaia Polansky, Charles Herrmann, Junhwa Hur, Deqing Sun, Dor Verbin, Todd Zickler,
- Abstract要約: 我々は、境界注意と呼ばれるメカニズムを用いて、曲線、コーナー、ジャンクションを含む明示的な境界を推論する微分可能モデルを提案する。
バウンダリアテンション(Bundary attention)は、境界対応の局所アテンション演算であり、密集して繰り返し適用された場合、変数のフィールドを徐々に洗練する。
提案手法は, 実センサノイズにより劣化した自然画像に一般化し, ノイズの多い条件下での一貫した境界を予測できる。
- 参考スコア(独自算出の注目度): 23.467103272604906
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a differentiable model that infers explicit boundaries, including curves, corners and junctions, using a mechanism that we call boundary attention. Boundary attention is a boundary-aware local attention operation that, when applied densely and repeatedly, progressively refines a field of variables that specify an unrasterized description of the local boundary structure in every overlapping patch within an image. It operates in a bottom-up fashion, similar to classical methods for sub-pixel edge localization and edge-linking, but with a higher-dimensional description of local boundary structure, a notion of spatial consistency that is learned instead of designed, and a sequence of operations that is end-to-end differentiable. We train our model using simple synthetic data and then evaluate it using photographs that were captured under low-light conditions with variable amounts of noise. We find that our method generalizes to natural images corrupted by real sensor noise, and predicts consistent boundaries under increasingly noisy conditions where other state-of-the-art methods fail.
- Abstract(参考訳): 我々は、境界注意と呼ばれるメカニズムを用いて、曲線、コーナー、ジャンクションを含む明示的な境界を推論する微分可能モデルを提案する。
境界アテンション(バウンダリアテンション)とは、画像内のすべての重なり合うパッチにおいて、局所境界構造の非ラスタライズされた記述を規定する変数のフィールドを、高密度かつ繰り返し適用する境界アテンション演算である。
ボトムアップ方式で動作し、サブピクセルのエッジローカライゼーションやエッジリンクの古典的な手法に似ているが、より高次元的な局所境界構造の記述、設計ではなく学習される空間整合性の概念、エンドツーエンドで微分可能な操作のシーケンスがある。
我々は、簡単な合成データを用いてモデルを訓練し、低照度でノイズの少ない写真を用いて評価する。
提案手法は, 実センサノイズにより劣化した自然画像に一般化し, 他の最先端手法が故障した場合, ますますノイズの多い条件下で一貫した境界を予測できる。
関連論文リスト
- RecDiffusion: Rectangling for Image Stitching with Diffusion Models [53.824503710254206]
画像縫合整形のための新しい拡散学習フレームワーク textbfRecDiffusion を提案する。
このフレームワークは運動拡散モデル(MDM)を組み合わせて運動場を生成し、縫合された画像の不規則な境界から幾何学的に修正された中間体へ効果的に遷移する。
論文 参考訳(メタデータ) (2024-03-28T06:22:45Z) - CT-Bound: Fast Boundary Estimation From Noisy Images Via Hybrid Convolution and Transformer Neural Networks [10.622511683372815]
本稿では,ハイブリッド畳み込みとトランスフォーマーニューラルネットワークを用いた雑音画像の高速境界推定法であるCT-Boundを提案する。
従来の最高精度の方法と比較すると、CT-Boundは100倍高速で、比較可能な精度、高品質な境界線、カラーマップを生成する。
また、CT-Boundは、追加の微調整やリアルタイム境界マップやカラーマップを毎秒10フレームで作成することなく、実撮影画像上で境界マップとカラーマップを作成できることを実証した。
論文 参考訳(メタデータ) (2024-03-25T07:22:22Z) - NoiseDiffusion: Correcting Noise for Image Interpolation with Diffusion Models beyond Spherical Linear Interpolation [86.7260950382448]
画像の妥当性を補正する新しい手法としてノイズ拡散法を提案する。
NoiseDiffusionはノイズの多い画像空間内で動作し、これらのノイズの多い画像に生画像を注入することで、情報損失の課題に対処する。
論文 参考訳(メタデータ) (2024-03-13T12:32:25Z) - Boundary-RL: Reinforcement Learning for Weakly-Supervised Prostate
Segmentation in TRUS Images [8.057488225592605]
弱教師付きセグメンテーション手法であるBundary-RLを提案する。
セグメント化は,従来のような画素レベルの分類ではなく,境界検出問題として想定される。
特に超音波画像では、強度値が境界間の音響インピーダンスの差を表す場合、境界線法(英語版)の利点もある。
論文 参考訳(メタデータ) (2023-08-22T12:02:05Z) - Towards Coherent Image Inpainting Using Denoising Diffusion Implicit
Models [43.83732051916894]
ミスマッチを伴わずに全体像をコヒーレントに描けるCOPAINTを提案する。
COPAINTはまた、ベイジアンフレームワークを使用して、明らかにされていない領域と未公開領域の両方を共同で修正している。
実験により,COPAINTは,客観的,主観的両方の指標の下で,既存の拡散法よりも優れていることを確認した。
論文 参考訳(メタデータ) (2023-04-06T18:35:13Z) - A Random Point Initialization Approach to Image Segmentation with
Variational Level-sets [0.0]
本稿では,オブジェクト境界を迅速に検出できる変動レベルセット画像分割法を提案する。
実画像上での本手法の性能をCanny法と比較することにより,本手法の有効性を実証する。
論文 参考訳(メタデータ) (2021-12-23T04:37:44Z) - 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) - 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) - Contrastive Rendering for Ultrasound Image Segmentation [59.23915581079123]
米国の画像にシャープな境界がないことは、セグメンテーションに固有の課題である。
我々は,US画像における境界推定を改善するための,新しい,効果的なフレームワークを提案する。
提案手法は最先端の手法より優れており,臨床応用の可能性も高い。
論文 参考訳(メタデータ) (2020-10-10T07:14:03Z) - 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) - Guidance and Evaluation: Semantic-Aware Image Inpainting for Mixed
Scenes [54.836331922449666]
本稿では,SGE-Net(Semantic Guidance and Evaluation Network)を提案する。
セマンティックセグメンテーションマップをインペイントの各尺度のガイダンスとして利用し、そこで位置依存推論を再評価する。
混合シーンの現実画像に対する実験により,提案手法が最先端手法よりも優れていることが示された。
論文 参考訳(メタデータ) (2020-03-15T17:49:20Z)
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。