論文の概要: ClickAttention: Click Region Similarity Guided Interactive Segmentation
- arxiv url: http://arxiv.org/abs/2408.06021v1
- Date: Mon, 12 Aug 2024 09:21:15 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-13 14:25:27.709696
- Title: ClickAttention: Click Region Similarity Guided Interactive Segmentation
- Title(参考訳): ClickAttention: Click Region similarity Guided Interactive Segmentation
- Authors: Long Xu, Shanghong Li, Yongquan Chen, Junkang Chen, Rui Huang, Feng Wu,
- Abstract要約: 本稿では、正クリック領域と全入力との類似性に基づいて、正クリックの影響範囲を拡大するクリックアテンションアルゴリズムを提案する。
また、正と負のクリック領域間の注意結合を低減するために、識別親和性損失を提案する。
大規模な実験により,本手法は既存手法よりも優れ,より少ないパラメータで最先端性能を実現することが示された。
- 参考スコア(独自算出の注目度): 35.927434229629554
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Interactive segmentation algorithms based on click points have garnered significant attention from researchers in recent years.However, existing studies typically use sparse click maps as model inputs to segment specific target objects, which primarily affect local regions and have limited abilities to focus on the whole target object, leading to increased times of clicks.In addition, most existing algorithms can not balance well between high performance and efficiency.To address this issue, we propose a click attention algorithm that expands the influence range of positive clicks based on the similarity between positively-clicked regions and the whole input.We also propose a discriminative affinity loss to reduce the attention coupling between positive and negative click regions to avoid an accuracy decrease caused by mutual interference between positive and negative clicks.Extensive experiments demonstrate that our approach is superior to existing methods and achieves cutting-edge performance in fewer parameters.An interactive demo and all reproducible codes will be released at https://github.com/hahamyt/ClickAttention.
- Abstract(参考訳): クリックポイントに基づく対話的セグメンテーションアルゴリズムは近年,研究者から大きな注目を集めている。しかしながら,既存の研究では,主に局所領域に影響を及ぼし,対象対象対象全体に集中する能力に制限があるような,モデル入力としてスパース・クリックマップを用いることが多い。また,ほとんどの既存アルゴリズムは,高いパフォーマンスと効率のバランスが取れない。この問題に対処するために,正クリック領域と全入力の類似性に基づく正クリックの影響範囲を拡大するクリックアテンションアルゴリズムを提案する。また,正クリック領域と負クリック領域間の相互干渉による精度の低下を回避するために,正クリック領域と負クリック領域とのカップリングを回避するための識別的アフィニティ・ロスも提案している。
関連論文リスト
- Clicks2Line: Using Lines for Interactive Image Segmentation [16.02193274044797]
入力としてクリックや行を適応的に採用する対話型セグメンテーションアルゴリズムを提案する。
実験により,いくつかのケースにおいて,行を使用するとクリックよりもセグメンテーション結果が良くなることが示された。
論文 参考訳(メタデータ) (2024-04-29T06:44:33Z) - TETRIS: Towards Exploring the Robustness of Interactive Segmentation [39.1981941213761]
対話型セグメンテーションモデルに対するホワイトボックス逆攻撃において, 直接最適化により極端なユーザ入力を見つける手法を提案する。
本報告では,多数のモデルについて広範囲な評価を行った結果について報告する。
論文 参考訳(メタデータ) (2024-02-09T01:36:21Z) - Interactive segmentation in aerial images: a new benchmark and an open
access web-based tool [2.729446374377189]
近年,コンピュータビジョンにおける対話型セマンティックセマンティックセマンティクスは,人間とコンピュータの相互作用セマンティクスの理想的な状態を実現している。
本研究の目的は,対話型セグメンテーションモデルのベンチマークにより,対話型セグメンテーションとリモートセンシング分析のギャップを埋めることである。
論文 参考訳(メタデータ) (2023-08-25T04:49:49Z) - Adaptive Edge-to-Edge Interaction Learning for Point Cloud Analysis [118.30840667784206]
ポイントクラウドデータ処理の大きな問題は、ローカルリージョンから有用な情報を抽出することだ。
従来の研究は、局所的な形状情報を符号化する地域におけるエッジ間の関係を無視していた。
本稿では,Adaptive Edge-to-Edge Interaction Learningモジュールを提案する。
論文 参考訳(メタデータ) (2022-11-20T07:10:14Z) - 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) - Clicking Matters:Towards Interactive Human Parsing [60.35351491254932]
この研究は、対話的な環境下での人間の解析課題に取り組む最初の試みである。
ベンチマークLIPでは85% mIoU,PASCAL-Person-Partでは80% mIoU,Helenでは75% mIoU,クラス毎のクリック数は1.95,3.02,2.84,1.09であった。
論文 参考訳(メタデータ) (2021-11-11T11:47:53Z) - Interactive Object Segmentation with Dynamic Click Transform [27.709779682559883]
本研究では,ユーザインタラクションをよりよく表現するために,空間的DCTと特徴的DCTで構成される動的クリック変換ネットワーク(DCT-Net)を提案する。
提案手法の有効性を実証し、3つの標準ベンチマークデータセットの最先端技術と比較して良好な性能を示す。
論文 参考訳(メタデータ) (2021-06-19T10:13:37Z) - DIRV: Dense Interaction Region Voting for End-to-End Human-Object
Interaction Detection [53.40028068801092]
本稿では,HOI問題に対するインタラクション領域という新しい概念に基づいて,新しい一段階HOI検出手法を提案する。
従来の手法とは異なり,本手法は人-物対ごとに異なるスケールにわたる密集した相互作用領域に焦点をあてる。
単一相互作用領域の検出欠陥を補うために,我々は新しい投票戦略を導入する。
論文 参考訳(メタデータ) (2020-10-02T13:57:58Z) - FAIRS -- Soft Focus Generator and Attention for Robust Object
Segmentation from Extreme Points [70.65563691392987]
本稿では,ユーザ入力からオブジェクトのセグメンテーションを極端点と補正クリックの形で生成する手法を提案する。
提案手法は,エクストリームポイント,クリック誘導,修正クリックを原則として組み込んだ,高品質なトレーニングデータを生成する能力とスケーラビリティを実証する。
論文 参考訳(メタデータ) (2020-04-04T22:25:47Z)
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。