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

• Image Segmentation in Foundation Model Era: A Survey [99.19456390358211]
  イメージセグメンテーションにおける現在の研究は、これらの進歩に関連する特徴、課題、解決策の詳細な分析を欠いている。 本調査は、FM駆動画像セグメンテーションを中心とした最先端の研究を徹底的にレビューすることで、このギャップを埋めようとしている。 現在の研究成果の広さを包括する,300以上のセグメンテーションアプローチの概要を概観する。
  論文  参考訳（メタデータ） (2024-08-23T10:07:59Z)
• 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)
• CAT-Seg: Cost Aggregation for Open-Vocabulary Semantic Segmentation [56.58365347854647]
  私たちは、視覚言語基盤モデル、特にCLIPを適応するためのコストベースの新しいアプローチを導入します。 エンコーダの微調整により,CLIPをセグメント化,未確認のクラスに適応させる手法を提案する。
  論文  参考訳（メタデータ） (2023-03-21T12:28:21Z)
• 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)
• 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)
• 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。