論文の概要: Shape Prior Segmentation Guided by Harmonic Beltrami Signature
- arxiv url: http://arxiv.org/abs/2407.04360v1
- Date: Fri, 5 Jul 2024 08:59:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-08 14:00:02.022393
- Title: Shape Prior Segmentation Guided by Harmonic Beltrami Signature
- Title(参考訳): Harmonic Beltrami Signature による形状優先分割法
- Authors: Chenran Lin, Lok Ming Lui,
- Abstract要約: 本稿では,HBS(Harmonic Beltrami Signature)によって導かれる新しい形状先行分割法を提案する。
提案手法は,HBSを準コンフォーマルなトポロジー保存セグメンテーションフレームワークに統合する。
合成および実世界の画像の実験は、ベースラインよりもセグメンテーション精度を向上させる方法の能力を検証する。
- 参考スコア(独自算出の注目度): 0.30693357740321775
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a novel shape prior segmentation method guided by the Harmonic Beltrami Signature (HBS). The HBS is a shape representation fully capturing 2D simply connected shapes, exhibiting resilience against perturbations and invariance to translation, rotation, and scaling. The proposed method integrates the HBS within a quasi-conformal topology preserving segmentation framework, leveraging shape prior knowledge to significantly enhance segmentation performance, especially for low-quality or occluded images. The key innovation lies in the bifurcation of the optimization process into two iterative stages: 1) The computation of a quasi-conformal deformation map, which transforms the unit disk into the targeted segmentation area, driven by image data and other regularization terms; 2) The subsequent refinement of this map is contingent upon minimizing the $L_2$ distance between its Beltrami coefficient and the reference HBS. This shape-constrained refinement ensures that the segmentation adheres to the reference shape(s) by exploiting the inherent invariance, robustness, and discerning shape discriminative capabilities afforded by the HBS. Extensive experiments on synthetic and real-world images validate the method's ability to improve segmentation accuracy over baselines, eliminate preprocessing requirements, resist noise corruption, and flexibly acquire and apply shape priors. Overall, the HBS segmentation framework offers an efficient strategy to robustly incorporate the shape prior knowledge, thereby advancing critical low-level vision tasks.
- Abstract(参考訳): 本稿では,ハーモニック・ベルトラミ・シグナチャ (HBS) によって導かれる新しい形状先行セグメンテーション法を提案する。
HBSは2Dの単純な連結形状を完全に捉えた形状表現であり、摂動と翻訳、回転、スケーリングに対する不変性を示す。
提案手法は,HBSを半コンフォーマルなトポロジ保存セグメンテーションフレームワークに統合し,形状の事前知識を活用してセグメンテーション性能を大幅に向上させる。
鍵となるイノベーションは、最適化プロセスが2つの反復的な段階に分岐することにある。
1) 画像データやその他の正規化用語によって駆動される単位ディスクを対象セグメント化領域に変換する準等角変形写像の計算
2)次の改良はベルトラミ係数と基準HBSとの$L_2$距離を最小化するときに行われる。
この形状制約のある改良により、セグメント化は、HBSが持つ固有の不変性、堅牢性、識別可能な形状識別能力を活用することにより、参照形状(s)に固執する。
合成および実世界の画像に関する大規模な実験は、ベースラインよりもセグメンテーションの精度を向上し、事前処理の要求を排除し、ノイズの破損を防ぎ、柔軟に形状の事前を取得して適用する手法の能力を検証している。
全体として、HBSセグメンテーションフレームワークは、事前知識の形状をしっかりと取り入れ、重要な低レベル視覚タスクを進行させる効率的な戦略を提供する。
関連論文リスト
- Boundary Constraint-free Biomechanical Model-Based Surface Matching for Intraoperative Liver Deformation Correction [0.6249768559720122]
画像ガイド下肝手術において, 3D-3D非剛性登録法は, 点雲として表される術前モデルと術中表面のマッピングを推定する上で重要な役割を担っている。
本稿では,新しい3D-3D非剛性登録法を提案する。
従来の手法とは対照的に,本手法は表面マッチング項自体にFEMを独自に組み込む。
論文 参考訳(メタデータ) (2024-03-15T02:05:20Z) - Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。
半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
論文 参考訳(メタデータ) (2023-12-26T12:56:31Z) - Re-initialization-free Level Set Method via Molecular Beam Epitaxy Equation Regularization for Image Segmentation [0.41942958779358674]
本稿では,分子線エピタキシー(MBE)方程式の正則化と統合した高次準位変分法を提案する。
この方法は、MBEプロセスにおける結晶成長を利用して、レベルセット関数の進化を制限する。
滑らかなセグメンテーション曲線を生成し、細かいセグメンテーション目標を保持し、小さなオブジェクトの堅牢なセグメンテーション結果を得ることができる。
論文 参考訳(メタデータ) (2023-10-13T05:08:35Z) - ESSAformer: Efficient Transformer for Hyperspectral Image
Super-resolution [76.7408734079706]
単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。
本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
論文 参考訳(メタデータ) (2023-07-26T07:45:14Z) - SwIPE: Efficient and Robust Medical Image Segmentation with Implicit Patch Embeddings [12.79344668998054]
正確な局所境界線とグローバルな形状コヒーレンスを実現するために,SwIPE(Segmentation with Implicit Patch Embeddings)を提案する。
その結果,最近の暗黙的アプローチよりもSwIPEは大幅に改善され,パラメータが10倍以上の最先端の離散手法よりも優れていた。
論文 参考訳(メタデータ) (2023-07-23T20:55:11Z) - Adaptive Local-Component-aware Graph Convolutional Network for One-shot
Skeleton-based Action Recognition [54.23513799338309]
骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。
我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
論文 参考訳(メタデータ) (2022-09-21T02:33:07Z) - SSP-Pose: Symmetry-Aware Shape Prior Deformation for Direct
Category-Level Object Pose Estimation [77.88624073105768]
カテゴリーレベルのポーズ推定は、クラス内形状の変化によって難しい問題である。
カテゴリレベルのポーズ推定のためのエンドツーエンドのトレーニング可能なネットワークSSP-Poseを提案する。
SSP-Poseは、リアルタイムの推論速度が約25Hzの競合に比べて性能が優れている。
論文 参考訳(メタデータ) (2022-08-13T14:37:31Z) - A Model for Multi-View Residual Covariances based on Perspective
Deformation [88.21738020902411]
マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。
我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
論文 参考訳(メタデータ) (2022-02-01T21:21:56Z) - Geodesic Paths for Image Segmentation with Implicit Region-based
Homogeneity Enhancement [19.309722425910465]
アイコナル偏微分方程式(PDE)に基づくフレキシブル・インタラクティブな画像分割モデルを提案する。
提案手法は,最先端の最小経路に基づく画像分割手法よりも優れている。
論文 参考訳(メタデータ) (2020-08-16T13:29:11Z) - ProAlignNet : Unsupervised Learning for Progressively Aligning Noisy
Contours [12.791313859673187]
ProAlignNetは、輪郭形状間の大規模なミスアライメントと複雑な変換を説明できる。
近接感度および局所形状依存類似度測定値の上界から導出される新しい損失関数を用いて学習する。
実世界の2つの応用において、提案したモデルは最先端の手法よりも一貫して優れている。
論文 参考訳(メタデータ) (2020-05-23T14:56:14Z) - Deep Semantic Matching with Foreground Detection and Cycle-Consistency [103.22976097225457]
深層ネットワークに基づく弱い教師付きセマンティックマッチングに対処する。
本研究では,背景乱れの影響を抑えるために,前景領域を明示的に推定する。
複数の画像にまたがって予測変換を強制し、幾何的に可視かつ一貫したサイクル一貫性の損失を発生させる。
論文 参考訳(メタデータ) (2020-03-31T22:38:09Z)
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。