論文の概要: Object Remover Performance Evaluation Methods using Class-wise Object Removal Images
- arxiv url: http://arxiv.org/abs/2404.11104v1
- Date: Wed, 17 Apr 2024 06:40:47 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-18 15:04:52.106477
- Title: Object Remover Performance Evaluation Methods using Class-wise Object Removal Images
- Title（参考訳）: クラスワイドオブジェクト除去画像を用いたオブジェクトリモーバ性能評価手法
- Authors: Changsuk Oh, Dongseok Shim, Taekbeom Lee, H. Jin Kim,
- Abstract要約: オブジェクト除去結果の質を測定して、オブジェクト除去器の性能を定量的に評価する。
そこで本研究では,オブジェクト除去基盤真理を用いたデータセットを作成し,既存の手法による評価を原画像を用いて比較する。
対象物除去器の性能を評価するための新しい評価手法を提案する。
- 参考スコア（独自算出の注目度）: 29.28862692741578
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Object removal refers to the process of erasing designated objects from an image while preserving the overall appearance, and it is one area where image inpainting is widely used in real-world applications. The performance of an object remover is quantitatively evaluated by measuring the quality of object removal results, similar to how the performance of an image inpainter is gauged. Current works reporting quantitative performance evaluations utilize original images as references. In this letter, to validate the current evaluation methods cannot properly evaluate the performance of an object remover, we create a dataset with object removal ground truth and compare the evaluations made by the current methods using original images to those utilizing object removal ground truth images. The disparities between two evaluation sets validate that the current methods are not suitable for measuring the performance of an object remover. Additionally, we propose new evaluation methods tailored to gauge the performance of an object remover. The proposed methods evaluate the performance through class-wise object removal results and utilize images without the target class objects as a comparison set. We confirm that the proposed methods can make judgments consistent with human evaluators in the COCO dataset, and that they can produce measurements aligning with those using object removal ground truth in the self-acquired dataset.
- Abstract（参考訳）: オブジェクト除去とは、全体像を保存しながら画像から指定されたオブジェクトを消去するプロセスであり、実世界のアプリケーションで広く使われている領域である。
被写体除去結果の質を測定して、被写体除去器の性能を定量的に評価する。
定量的な性能評価を報告している現在の研究は、オリジナルの画像を参照として活用している。
本稿では, 対象物除去装置の性能を適切に評価できない現状の評価手法を検証するため, 対象物除去地真実を用いたデータセットを作成し, 対象物除去地真実画像を用いた手法による評価と, 対象物除去地真実画像を用いた手法との比較を行う。
2つの評価セットの相違は、現在の手法がオブジェクト除去器の性能を測定するのに適していないことを検証する。
さらに,物体除去器の性能を評価するための新しい評価手法を提案する。
提案手法は,クラス単位のオブジェクト除去結果を用いて性能を評価し,対象のクラスオブジェクトを含まない画像を比較セットとして利用する。
提案手法は,COCOデータセットにおける人間の評価値と整合性を持たせることができ,また,自己取得データセットにおける対象除去基底真理を用いて測定値に整合性を持たせることができることを確認した。
関連論文リスト
- Task-Decoupled Image Inpainting Framework for Class-specific Object Remover [26.81218265405809]
本稿では,2つの異なるインペイントモデルを生成するタスク分離型画像インペイントフレームワークを提案する。
対象クラスのオブジェクトを削除することに焦点を当てたクラス固有のオブジェクト除去器を得る。
実験により,提案したクラス固有のオブジェクト除去器は,画像インパインティングネットワークに基づくオブジェクト除去器よりも,目的のクラスオブジェクトを除去できることがわかった。
論文 参考訳（メタデータ） (2024-10-03T18:32:33Z) - Retrieval Robust to Object Motion Blur [54.34823913494456]
本研究では,動きのぼやけの影響を受けやすい画像のオブジェクト検索手法を提案する。
ぼやけたオブジェクト検索のための最初の大規模データセットを提示する。
提案手法は,新しいぼやけた検索データセット上で,最先端の検索手法より優れている。
論文 参考訳（メタデータ） (2024-04-27T23:22:39Z) - Counterfactual Reasoning for Multi-Label Image Classification via Patching-Based Training [84.95281245784348]
共起関係の過度な強調は、モデルの過度な問題を引き起こす可能性がある。
本稿では,対象対象物とその共起対象物による相関特性を媒介者とみなすことができることを示す因果推論フレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-09T13:13:24Z) - AURA : Automatic Mask Generator using Randomized Input Sampling for Object Removal [26.81218265405809]
本稿では,オフザシェルフ・イメージ・インパインティング・ネットワークを用いて,オブジェクトをよりよく除去するための入力マスクの生成に焦点をあてる。
本稿では,AI (XAI) 法にヒントを得た自動マスク生成手法を提案する。
実験により,本手法はセマンティックセグメンテーションマップから生成されたマスクよりも,ターゲットクラスオブジェクトの除去性能が向上していることが確認された。
論文 参考訳（メタデータ） (2023-05-13T07:51:35Z) - Unsupervised Object Localization: Observing the Background to Discover
Objects [4.870509580034194]
本研究では,異なるアプローチを採り,その代わりに背景を探すことを提案する。
このようにして、健全なオブジェクトは、オブジェクトが何であるべきかを強く仮定することなく、副産物として現れます。
自己教師型パッチベース表現から抽出した粗い背景マスクを備えた1ドルconv1times1$のシンプルなモデルであるFOUNDを提案する。
論文 参考訳（メタデータ） (2022-12-15T13:43:11Z) - Discovering Objects that Can Move [55.743225595012966]
手動ラベルなしでオブジェクトを背景から分離する、オブジェクト発見の問題について検討する。
既存のアプローチでは、色、テクスチャ、位置などの外観の手がかりを使用して、ピクセルをオブジェクトのような領域に分類する。
私たちは、動的オブジェクト -- 世界で独立して動くエンティティ -- にフォーカスすることを選びます。
論文 参考訳（メタデータ） (2022-03-18T21:13:56Z) - Contrastive Object Detection Using Knowledge Graph Embeddings [72.17159795485915]
一つのホットアプローチで学習したクラス埋め込みの誤差統計と、自然言語処理や知識グラフから意味的に構造化された埋め込みを比較した。
本稿では,キーポイントベースおよびトランスフォーマーベースオブジェクト検出アーキテクチャの知識埋め込み設計を提案する。
論文 参考訳（メタデータ） (2021-12-21T17:10:21Z) - Text-driven object affordance for guiding grasp-type recognition in
multimodal robot teaching [18.529563816600607]
本研究は,ロボット教育におけるテキスト駆動型物体余裕が画像に基づくグリップ型認識に与える影響について検討する。
彼らは、物体が認識性能に与える影響を調べるために、一人称手画像のラベル付きデータセットを作成しました。
論文 参考訳（メタデータ） (2021-02-27T17:03:32Z) - A Simple and Effective Use of Object-Centric Images for Long-Tailed
Object Detection [56.82077636126353]
シーン中心画像における物体検出を改善するために,物体中心画像を活用する。
私たちは、シンプルで驚くほど効果的なフレームワークを提示します。
我々の手法は、レアオブジェクトのオブジェクト検出(およびインスタンスセグメンテーション)の精度を相対的に50%(および33%)向上させることができる。
論文 参考訳（メタデータ） (2021-02-17T17:27:21Z) - Slender Object Detection: Diagnoses and Improvements [74.40792217534]
本稿では,超高アスペクト比,すなわちtextbfslender オブジェクトの特定タイプの検出について検討する。
古典的物体検出法では、細い物体に対してのみ評価される場合、COCO上の18.9%のmAPの劇的な低下が観察される。
論文 参考訳（メタデータ） (2020-11-17T09:39:42Z)
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。