論文の概要: Instance Segmentation XXL-CT Challenge of a Historic Airplane
- arxiv url: http://arxiv.org/abs/2402.02928v1
- Date: Mon, 5 Feb 2024 11:47:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-06 16:35:11.193964
- Title: Instance Segmentation XXL-CT Challenge of a Historic Airplane
- Title(参考訳): 歴史的航空機のケースセグメンテーションXXL-CTチャレンジ
- Authors: Roland Gruber and Johann Christopher Engster and Markus Michen and
Nele Blum and Maik Stille and Stefan Gerth and Thomas Wittenberg
- Abstract要約: 歴史飛行機の事例XXL-CTチャレンジ」が行われた。
この課題は、異なる航空機部品の効率的なデライン化のための自動または対話的なインスタンスセグメンテーション手法を探究することであった。
本稿では,この課題の組織と成果を報告し,提案したセグメンテーション手法の能力と限界について述べる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Instance segmentation of compound objects in XXL-CT imagery poses a unique
challenge in non-destructive testing. This complexity arises from the lack of
known reference segmentation labels, limited applicable segmentation tools, as
well as partially degraded image quality. To asses recent advancements in the
field of machine learning-based image segmentation, the "Instance Segmentation
XXL-CT Challenge of a Historic Airplane" was conducted. The challenge aimed to
explore automatic or interactive instance segmentation methods for an efficient
delineation of the different aircraft components, such as screws, rivets, metal
sheets or pressure tubes. We report the organization and outcome of this
challenge and describe the capabilities and limitations of the submitted
segmentation methods.
- Abstract(参考訳): XXL-CT画像における複合物体のサンプルセグメンテーションは、非破壊検査においてユニークな課題である。
この複雑さは、既知の参照セグメンテーションラベルの欠如、限定可能なセグメンテーションツール、および部分的に劣化した画像品質から生じる。
機械学習に基づく画像セグメンテーションの最近の進歩を評価するため,歴史航空機のインスタンスセグメンテーションXXL-CTチャレンジを実施した。
この課題は、スクリュー、リベット、金属シート、圧力管など、様々な航空機の部品を効率的にディライン化するための、自動または対話的なインスタンスセグメンテーション方法を探ることであった。
本稿では,この課題の組織と成果を報告し,提案したセグメンテーション手法の能力と限界について述べる。
関連論文リスト
- Concealed Object Segmentation with Hierarchical Coherence Modeling [9.185195569812667]
隠れオブジェクトセグメンテーション(COS)のための階層型コヒーレンスモデリング(HCM)セグメンタを提案する。
HCMは、段内コヒーレンスと段間コヒーレンスモジュールを活用することで特徴コヒーレンスを促進する。
低信頼領域の未検出部分を検出するための可逆再校正デコーダも導入する。
論文 参考訳(メタデータ) (2024-01-22T09:02:52Z) - Task-Specific Data Augmentation and Inference Processing for VIPriors
Instance Segmentation Challenge [9.43662534739698]
タスク固有のデータ拡張戦略とタスク固有の推論処理戦略を開発する。
本稿では,VIPriors Instance Challengeにおける提案手法の適用性を示す。
実験結果から,提案手法は2022 VIPriors Instance Challengeのテストセットにおいて,競合的な結果が得られることが示された。
論文 参考訳(メタデータ) (2022-11-21T09:15:30Z) - FetReg2021: A Challenge on Placental Vessel Segmentation and
Registration in Fetoscopy [52.3219875147181]
2-Twin Transfusion Syndrome (TTTS) に対するレーザー光凝固法が広く採用されている。
このプロシージャは、視野が限られたこと、フェトスコープの操作性が悪いこと、視認性が悪いこと、照明の変動性のために特に困難である。
コンピュータ支援介入(CAI)は、シーン内の重要な構造を特定し、ビデオモザイクを通して胎児の視野を広げることで、外科医に意思決定支援と文脈認識を提供する。
7つのチームがこの課題に参加し、そのモデルパフォーマンスを、6フェットから658ピクセルの注釈付き画像の見当たらないテストデータセットで評価した。
論文 参考訳(メタデータ) (2022-06-24T23:44:42Z) - Deep Spectral Methods: A Surprisingly Strong Baseline for Unsupervised
Semantic Segmentation and Localization [98.46318529630109]
画像分解をグラフ分割問題として再フレーミングすることで,従来のスペクトル分割法から着想を得た。
これらの固有ベクトルはすでにイメージを意味のあるセグメントに分解しており、シーン内のオブジェクトのローカライズに容易に利用できる。
データセットにまたがるこれらのセグメントに関連する機能をクラスタ化することで、明確に定義された、名前付き可能なリージョンを得ることができる。
論文 参考訳(メタデータ) (2022-05-16T17:47:44Z) - Towards Robust Part-aware Instance Segmentation for Industrial Bin
Picking [113.79582950811348]
産業用ビンピッキングのための新しい部分認識型インスタンスセグメンテーションパイプラインを定式化する。
我々は、部品マスクと部品間オフセットを予測する部分認識ネットワークを設計し、続いて認識された部品をインスタンスに組み立てる部分集約モジュールを設計する。
このデータセットは、細く、非自明な形状の様々な産業オブジェクトを含む。
論文 参考訳(メタデータ) (2022-03-05T14:58:05Z) - Occluded Video Instance Segmentation: Dataset and ICCV 2021 Challenge [133.80567761430584]
我々はOVISと呼ばれる大規模データセットを収集し、隠されたシナリオでビデオインスタンスのセグメンテーションを行う。
OVISは296kの高品質のインスタンスマスクと901の隠蔽シーンで構成されている。
全てのベースライン法は、強吸収対象群で約80%の性能低下に遭遇する。
論文 参考訳(メタデータ) (2021-11-15T17:59:03Z) - Unsupervised Part Segmentation through Disentangling Appearance and
Shape [37.206922180245265]
対象部品の非監視的発見とセグメンテーションの問題について検討する。
最近の教師なし手法は注釈付きデータへの依存を大いに緩和している。
対象部品の外観と形状の表現を両立させることにより,新しいアプローチを開発する。
論文 参考訳(メタデータ) (2021-05-26T08:59:31Z) - SegmentMeIfYouCan: A Benchmark for Anomaly Segmentation [111.61261419566908]
ディープニューラルネットワーク(DNN)は通常、閉集合のセマンティッククラスで訓練される。
未発見のオブジェクトを扱うには不備だ。
このような物体の検出と局在化は、自動運転の認識などの安全クリティカルなアプリケーションに不可欠です。
論文 参考訳(メタデータ) (2021-04-30T07:58:19Z) - Exposing Semantic Segmentation Failures via Maximum Discrepancy
Competition [102.75463782627791]
オープンビジュアルの世界において,既存の意味セグメンテーション手法の失敗を露呈することで,質問に答える。
モデル改ざんに関するこれまでの研究に触発され、任意に大きい画像セットから始まり、2つのセグメンテーション方法間の差分法(MAD)をMAximizingすることによって、小さな画像セットを自動的にサンプリングします。
選択された画像は、2つの方法のいずれか(または両方)を偽造する最大の可能性を持っている。
また,MADコンペティションにおいて,障害の露呈が困難であるセグメンテーション法について検討した。
論文 参考訳(メタデータ) (2021-02-27T16:06:25Z)
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。