論文の概要: P2Seg: Pointly-supervised Segmentation via Mutual Distillation
- arxiv url: http://arxiv.org/abs/2401.09709v1
- Date: Thu, 18 Jan 2024 03:41:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-19 17:57:53.674711
- Title: P2Seg: Pointly-supervised Segmentation via Mutual Distillation
- Title(参考訳): P2Seg:相互蒸留によるポイント制御セグメンテーション
- Authors: Zipeng Wang, Xuehui Yu, Xumeng Han, Wenwen Yu, Zhixun Huang, Jianbin
Jiao, Zhenjun Han
- Abstract要約: 実例位置と意味情報の相補的強度を利用するための相互蒸留モジュール(MDM)を開発した。
提案手法は,PASCAL VOCおよびMS COCOデータセット上で55.7 mAP$_50$と17.6 mAPを達成する。
- 参考スコア(独自算出の注目度): 23.979786026101024
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Point-level Supervised Instance Segmentation (PSIS) aims to enhance the
applicability and scalability of instance segmentation by utilizing low-cost
yet instance-informative annotations. Existing PSIS methods usually rely on
positional information to distinguish objects, but predicting precise
boundaries remains challenging due to the lack of contour annotations.
Nevertheless, weakly supervised semantic segmentation methods are proficient in
utilizing intra-class feature consistency to capture the boundary contours of
the same semantic regions. In this paper, we design a Mutual Distillation
Module (MDM) to leverage the complementary strengths of both instance position
and semantic information and achieve accurate instance-level object perception.
The MDM consists of Semantic to Instance (S2I) and Instance to Semantic (I2S).
S2I is guided by the precise boundaries of semantic regions to learn the
association between annotated points and instance contours. I2S leverages
discriminative relationships between instances to facilitate the
differentiation of various objects within the semantic map. Extensive
experiments substantiate the efficacy of MDM in fostering the synergy between
instance and semantic information, consequently improving the quality of
instance-level object representations. Our method achieves 55.7 mAP$_{50}$ and
17.6 mAP on the PASCAL VOC and MS COCO datasets, significantly outperforming
recent PSIS methods and several box-supervised instance segmentation
competitors.
- Abstract(参考訳): Point-level Supervised Instance Segmentation (PSIS)は、低コストのインスタンスインフォームティブアノテーションを利用することで、インスタンスセグメンテーションの適用性とスケーラビリティを高めることを目的としている。
既存のPSISメソッドは通常、オブジェクトを区別するために位置情報に依存するが、輪郭アノテーションがないため、正確な境界を予測することは難しい。
それにもかかわらず、弱教師付きセマンティックセグメンテーション法は、クラス内の特徴整合を利用して同じセマンティック領域の境界輪郭を捉えることに長けている。
本稿では, 実例位置と意味情報の相補的強度を活用し, 高精度な実例レベルの物体知覚を実現するための相互蒸留モジュール(MDM)を設計する。
MDMはSemantic to Instance (S2I) と Instance to Semantic (I2S) で構成されている。
S2Iは意味領域の正確な境界によってガイドされ、注釈付き点とインスタンスの輪郭の関係を学習する。
i2sはインスタンス間の識別関係を利用して、セマンティックマップ内のさまざまなオブジェクトの区別を容易にする。
広範囲にわたる実験は、インスタンスと意味情報の相乗効果を高めるためのMDMの有効性を実証し、結果としてインスタンスレベルのオブジェクト表現の品質を向上させる。
提案手法は,PASCAL VOCおよびMS COCOデータセット上で55.7 mAP$_{50}$と17.6 mAPを達成し,最近のPSIS法およびいくつかのボックス管理インスタンスセグメンテーション競合よりも大幅に優れている。
関連論文リスト
- Localization and Expansion: A Decoupled Framework for Point Cloud Few-shot Semantic Segmentation [39.7657197805346]
Point Cloud few-shot semantic segmentation (PC-FSS)は、特定のクエリポイントクラウドに、いくつかのアノテーション付きのサポートサンプルで、新しいカテゴリのターゲットをセグメントすることを目的としている。
本稿では,DLE(Decoupled Localization and Expansion)の精神における,シンプルで効果的な枠組みを提案する。
構造的ローカライゼーションモジュール(SLM)と自己拡張モジュール(SEM)を含むDLEは、いくつかのメリットを享受している。
論文 参考訳(メタデータ) (2024-08-25T07:34:32Z) - BAISeg: Boundary Assisted Weakly Supervised Instance Segmentation [9.6046915661065]
インスタンスレベルの監視なしにインスタンスレベルのマスクを抽出する方法は、弱教師付きインスタンスセグメンテーション(WSIS)の主な課題である
人気のあるWSIS手法は、画素間関係の学習を通じて変位場(DF)を推定し、インスタンスを識別するためのクラスタリングを実行する。
本稿では,画素レベルのアノテーションでインスタンスセグメンテーションを実現するWSISの新しいパラダイムであるBundary-Assisted Instance(BAISeg)を提案する。
論文 参考訳(メタデータ) (2024-05-27T15:14:09Z) - Semantic Connectivity-Driven Pseudo-labeling for Cross-domain
Segmentation [89.41179071022121]
自己学習はドメイン間セマンティックセグメンテーションにおいて一般的なアプローチである。
本稿ではセマンティック・コネクティビティ駆動の擬似ラベル方式を提案する。
このアプローチは、接続レベルにおいて擬似ラベルを定式化し、構造的および低雑音のセマンティクスの学習を容易にする。
論文 参考訳(メタデータ) (2023-12-11T12:29:51Z) - Semantics Meets Temporal Correspondence: Self-supervised Object-centric Learning in Videos [63.94040814459116]
自己教師付き手法は、高レベルの意味論と低レベルの時間対応の学習において顕著な進歩を見せている。
融合した意味特徴と対応地図の上に,意味認識型マスキングスロットアテンションを提案する。
我々は、時間的コヒーレントなオブジェクト中心表現を促進するために、セマンティックおよびインスタンスレベルの時間的一貫性を自己スーパービジョンとして採用する。
論文 参考訳(メタデータ) (2023-08-19T09:12:13Z) - Advancing Incremental Few-shot Semantic Segmentation via Semantic-guided
Relation Alignment and Adaptation [98.51938442785179]
増分的な数ショットセマンティックセマンティックセマンティクスは、セマンティクスセマンティクスモデルを新しいクラスに漸進的に拡張することを目的としている。
このタスクは、データ不均衡のため、ベースクラスと新しいクラスの間で深刻な意味認識の問題に直面します。
本稿では,従来の意味情報のガイダンスを完全に考慮した意味誘導型関係調整適応法を提案する。
論文 参考訳(メタデータ) (2023-05-18T10:40:52Z) - Scaling up Multi-domain Semantic Segmentation with Sentence Embeddings [81.09026586111811]
ゼロショット設定に適用した場合、最先端の教師付き性能を実現するセマンティックセマンティックセマンティクスへのアプローチを提案する。
これは各クラスラベルを、クラスを記述する短い段落のベクトル値の埋め込みに置き換えることによって達成される。
結果として得られた200万以上の画像の統合セマンティックセグメンテーションデータセットは、7つのベンチマークデータセット上の最先端の教師付きメソッドと同等のパフォーマンスを達成するモデルをトレーニングすることができる。
論文 参考訳(メタデータ) (2022-02-04T07:19:09Z) - Semi-supervised Domain Adaptation for Semantic Segmentation [3.946367634483361]
セマンティックセグメンテーションにおけるクロスドメインとイントラドメインのギャップに対処する2段階の半教師付き二重ドメイン適応(SSDDA)手法を提案する。
提案手法は,2つの共通合成-実合成セマンティックセグメンテーションベンチマークにおいて,最先端の手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2021-10-20T16:13:00Z) - Improving Semi-Supervised and Domain-Adaptive Semantic Segmentation with
Self-Supervised Depth Estimation [94.16816278191477]
本稿では,セミアダプティブなセマンティックセマンティックセマンティックセグメンテーションのためのフレームワークを提案する。
ラベルのない画像シーケンスでのみ訓練された自己教師付き単眼深度推定によって強化される。
提案したモデルをCityscapesデータセット上で検証する。
論文 参考訳(メタデータ) (2021-08-28T01:33:38Z) - Semantic Attention and Scale Complementary Network for Instance
Segmentation in Remote Sensing Images [54.08240004593062]
本稿では,セマンティックアテンション(SEA)モジュールとスケール補完マスクブランチ(SCMB)で構成される,エンドツーエンドのマルチカテゴリインスタンスセグメンテーションモデルを提案する。
SEAモジュールは、機能マップ上の興味あるインスタンスのアクティベーションを強化するために、追加の監督を備えた、単純な完全な畳み込みセマンティックセマンティックセマンティクスブランチを含んでいる。
SCMBは、元のシングルマスクブランチをトリデントマスクブランチに拡張し、異なるスケールで補完マスクの監視を導入する。
論文 参考訳(メタデータ) (2021-07-25T08:53:59Z) - SASO: Joint 3D Semantic-Instance Segmentation via Multi-scale Semantic
Association and Salient Point Clustering Optimization [8.519716460338518]
セグメンテーションタスクとインスタンスセグメンテーションタスクを共同で行う,SASOという新しい3Dポイントクラウドセグメンテーションフレームワークを提案する。
空間的文脈におけるオブジェクト間の固有相関から着想を得たセグメンテーションタスクに対して,マルチスケールセマンティックアソシエーション(MSA)モジュールを提案する。
例えば、推論手順のみでクラスタリングを利用する以前の作業とは異なるセグメンテーションタスクでは、Salient Point Clustering Optimization (SPCO) モジュールを提案する。
論文 参考訳(メタデータ) (2020-06-25T08:55:25Z) - A Benchmark for LiDAR-based Panoptic Segmentation based on KITTI [44.79849028988664]
本稿では,レーザーによるパノプティックセグメンテーションのトレーニングと評価のためのセマンティックキッティの拡張について述べる。
データを提供し、時間的に一貫したインスタンス情報で与えられたセマンティックアノテーションを強化するために必要な処理手順について議論する。
我々は、最先端LiDARに基づくセマンティックセグメンテーションアプローチと最先端検出器を組み合わせた2つの強力なベースラインを提案する。
論文 参考訳(メタデータ) (2020-03-04T23:44:40Z)
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。