論文の概要: MFP: Making Full Use of Probability Maps for Interactive Image Segmentation

• arxiv url: http://arxiv.org/abs/2404.18448v1
• Date: Mon, 29 Apr 2024 06:17:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-30 14:36:46.026884
• Title: MFP: Making Full Use of Probability Maps for Interactive Image Segmentation
• Title（参考訳）: MFP:インタラクティブな画像セグメンテーションのための確率マップの完全活用
• Authors: Chaewon Lee, Seon-Ho Lee, Chang-Su Kim,
• Abstract要約: クリックベースの対話型画像分割のための効果的なアルゴリズムを提案する。 まず、ユーザ指定オブジェクトの表現性を高めるために、事前の確率マップを拡張します。 次に、セグメント化ネットワークへの追加入力としてマップをフィードする。
• 参考スコア（独自算出の注目度）: 20.67343736233956
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent interactive segmentation algorithms, previous probability maps are used as network input to help predictions in the current segmentation round. However, despite the utilization of previous masks, useful information contained in the probability maps is not well propagated to the current predictions. In this paper, to overcome this limitation, we propose a novel and effective algorithm for click-based interactive image segmentation, called MFP, which attempts to make full use of probability maps. We first modulate previous probability maps to enhance their representations of user-specified objects. Then, we feed the modulated probability maps as additional input to the segmentation network. We implement the proposed MFP algorithm based on the ResNet-34, HRNet-18, and ViT-B backbones and assess the performance extensively on various datasets. It is demonstrated that MFP meaningfully outperforms the existing algorithms using identical backbones. The source codes are available at \href{https://github.com/cwlee00/MFP}{https://github.com/cwlee00/MFP}.
• Abstract（参考訳）: 最近の対話的セグメンテーションアルゴリズムでは、現在のセグメンテーションラウンドの予測を支援するために、従来の確率マップがネットワーク入力として使用される。 しかし、従来のマスクの利用にもかかわらず、確率マップに含まれる有用な情報は、現在の予測にはあまり反映されない。 本稿では,この制限を克服するために,MFPと呼ばれる,クリックベースの対話型画像分割のための新しい,効率的なアルゴリズムを提案する。 まず、ユーザが指定したオブジェクトの表現を強化するために、事前の確率マップを変調する。 次に,変調された確率マップをセグメント化ネットワークに付加的な入力として供給する。 本稿では,ResNet-34,HRNet-18,ViT-BのバックボーンをベースとしたMFPアルゴリズムを実装し,その性能評価を行う。 MFPは、同一のバックボーンを用いて既存のアルゴリズムよりも有意に優れていることが示されている。 ソースコードは \href{https://github.com/cwlee00/MFP}{https://github.com/cwlee00/MFP} で公開されている。

関連論文リスト

• Neural Network Approximators for Marginal MAP in Probabilistic Circuits [11.917134619219079]
  ニューラルネットワークを用いてPC内の(M)MAP推論を近似する手法を提案する。 新しい手法の2つの大きな利点は、自己教師型であり、ニューラルネットワークが学習された後、解を出力するのに線形時間しか必要としない点である。 いくつかのベンチマークデータセットに対する我々の新しいアプローチを評価し、競合する線形時間近似よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-02-06T01:15:06Z)
• Chasing Fairness in Graphs: A GNN Architecture Perspective [73.43111851492593]
  グラフニューラルネットワーク(GNN)の統一最適化フレームワーク内で設計されたtextsfFair textsfMessage textsfPassing(FMP)を提案する。 FMPでは、アグリゲーションがまず隣人の情報を活用するために採用され、バイアス軽減ステップにより、人口集団ノードのプレゼンテーションセンタが明示的に統合される。 ノード分類タスクの実験により、提案されたFMPは、実世界の3つのデータセットの公平性と正確性の観点から、いくつかのベースラインを上回っていることが示された。
  論文  参考訳（メタデータ） (2023-12-19T18:00:15Z)
• Provably Efficient Representation Learning with Tractable Planning in Low-Rank POMDP [81.00800920928621]
  部分的に観測可能なマルコフ決定過程(POMDP)における表現学習の研究 まず,不確実性(OFU)に直面した最大推定(MLE)と楽観性を組み合わせた復調性POMDPのアルゴリズムを提案する。 次に、このアルゴリズムをより広範な$gamma$-observable POMDPのクラスで機能させる方法を示す。
  論文  参考訳（メタデータ） (2023-06-21T16:04:03Z)
• CorrMatch: Label Propagation via Correlation Matching for Semi-Supervised Semantic Segmentation [73.89509052503222]
  本稿では、CorrMatchと呼ばれる、単純だが実行可能な半教師付きセマンティックセマンティックセマンティックセマンティクス手法を提案する。 相関写像は、同一カテゴリのクラスタリングピクセルを容易に実現できるだけでなく、良好な形状情報も含んでいることを観察する。 我々は,高信頼画素を拡大し,さらに掘り出すために,画素の対の類似性をモデル化して画素伝搬を行う。 そして、相関地図から抽出した正確なクラス非依存マスクを用いて、領域伝搬を行い、擬似ラベルを強化する。
  論文  参考訳（メタデータ） (2023-06-07T10:02:29Z)
• Towards Meta-learned Algorithm Selection using Implicit Fidelity Information [13.750624267664156]
  IMFASは、計算コストの低い任意のメタ機能によって容易に豊かになる情報的ランドマークを生産する。 テスト期間中に、ほぼ半分の忠実度シーケンスでSuccessive Halvingを破ることができることを示す。
  論文  参考訳（メタデータ） (2022-06-07T09:14:24Z)
• Reducing Overconfidence Predictions for Autonomous Driving Perception [3.1428836133120543]
  対象認識のためのSoftMaxやSigmoidベースの予測よりも,最大a-Posteriori(MAP)関数と最大a-Posteriori(MAP)関数の方が確率論的解釈に適していることを示す。 MLとMAP関数は、既存のトレーニングネットワーク、すなわち、事前トレーニングされたネットワークのLogit層の出力によるアプローチの恩恵を受けることができる。
  論文  参考訳（メタデータ） (2022-02-16T01:59:55Z)
• Regularized Densely-connected Pyramid Network for Salient Instance Segmentation [73.17802158095813]
  我々は、エンドツーエンドの有能なインスタンスセグメンテーション(SIS)のための新しいパイプラインを提案する。 ディープネットワークにおけるリッチな特徴階層をよりよく活用するために、正規化された高密度接続を提案する。 マスク予測を改善するために,新しいマルチレベルRoIAlignベースのデコーダを導入し,多レベル特徴を適応的に集約する。
  論文  参考訳（メタデータ） (2020-08-28T00:13:30Z)
• CRNet: Cross-Reference Networks for Few-Shot Segmentation [59.85183776573642]
  少ないショットセグメンテーションは、少数のトレーニングイメージを持つ新しいクラスに一般化できるセグメンテーションモデルを学ぶことを目的としている。 相互参照機構により、我々のネットワークは2つの画像に共起する物体をよりよく見つけることができる。 PASCAL VOC 2012データセットの実験は、我々のネットワークが最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2020-03-24T04:55:43Z)
• Weakly-Supervised Semantic Segmentation by Iterative Affinity Learning [86.45526827323954]
  弱教師付きセマンティックセグメンテーションは、トレーニングのためにピクセル単位のラベル情報が提供されないため、難しい課題である。 このようなペア関係を学習するための反復アルゴリズムを提案する。 本稿では,提案アルゴリズムが最先端手法に対して好適に動作することを示す。
  論文  参考訳（メタデータ） (2020-02-19T10:32:03Z)

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。