論文の概要: Parallel Watershed Partitioning: GPU-Based Hierarchical Image Segmentation

• arxiv url: http://arxiv.org/abs/2410.08946v1
• Date: Fri, 11 Oct 2024 16:15:43 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-30 20:56:20.183257
• Title: Parallel Watershed Partitioning: GPU-Based Hierarchical Image Segmentation
• Title（参考訳）: 並列流域分割:GPUに基づく階層的画像分割
• Authors: Varduhi Yeghiazaryan, Yeva Gabrielyan, Irina Voiculescu,
• Abstract要約: 多くの画像処理アプリケーションは、画像が「類似した」画素の非結合領域に分割することに依存している。 機械学習に基づくセマンティックセグメンテーションのための前処理ステップとして,この完全決定論的イメージパーティショニングを利用する方法を示す。
• 参考スコア（独自算出の注目度）: 4.560718678349679
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many image processing applications rely on partitioning an image into disjoint regions whose pixels are 'similar.' The watershed and waterfall transforms are established mathematical morphology pixel clustering techniques. They are both relevant to modern applications where groups of pixels are to be decided upon in one go, or where adjacency information is relevant. We introduce three new parallel partitioning algorithms for GPUs. By repeatedly applying watershed algorithms, we produce waterfall results which form a hierarchy of partition regions over an input image. Our watershed algorithms attain competitive execution times in both 2D and 3D, processing an 800 megavoxel image in less than 1.4 sec. We also show how to use this fully deterministic image partitioning as a pre-processing step to machine learning based semantic segmentation. This replaces the role of superpixel algorithms, and results in comparable accuracy and faster training times.
• Abstract（参考訳）: 多くの画像処理アプリケーションは、画像が「類似」の領域に分割することに依存している。 流域と滝の変換は数学的形態素クラスタリング技術として確立されている。 これらはどちらも、1回に1つのピクセル群が決定される現代のアプリケーションや、隣接情報が関係する現代的なアプリケーションに関係している。 我々はGPUのための3つの新しい並列パーティショニングアルゴリズムを導入する。 繰り返し、流域アルゴリズムを適用して、入力画像上に分割領域の階層を形成するウォーターフォール結果を生成する。 私たちの流域アルゴリズムは、2Dと3Dの両方で競合実行時間を実現し、800メガボクセルの画像を1.4秒未満で処理します。 また、この完全決定論的画像分割を機械学習に基づくセマンティックセグメンテーションの事前処理ステップとして利用する方法についても示す。 これはスーパーピクセルアルゴリズムの役割を置き換えるもので、結果として同等の精度と高速なトレーニング時間が得られる。

関連論文リスト

• 3D Gaussian Ray Tracing: Fast Tracing of Particle Scenes [50.36933474990516]
  本研究は, 粒子のトレーシング, 境界体積階層の構築, 高性能なレイトレーシングハードウェアを用いた各画素のレイキャストについて考察する。 半透明粒子の多量処理を効率的に行うために,有界メッシュで粒子をカプセル化するアルゴリズムについて述べる。 実験は、我々のアプローチの速度と精度、およびコンピュータグラフィックスとビジョンにおけるいくつかの応用を実証する。
  論文  参考訳（メタデータ） (2024-07-09T17:59:30Z)
• Saliency Enhancement using Superpixel Similarity [77.34726150561087]
  Saliency Object Detection (SOD) は画像解析にいくつかの応用がある。 深層学習に基づくSOD法は最も効果的であるが、類似した色を持つ前景の部品を見逃すことがある。 スーパーピクセル類似性(SESS)に対するtextitSaliency Enhancement というポストプロセッシング手法を導入する。 我々は,SESSが5つの画像データセット上での3つのディープラーニングに基づくSOD手法の結果を連続的に,かつ著しく改善できることを実証した。
  論文  参考訳（メタデータ） (2021-12-01T17:22:54Z)
• Large-scale image segmentation based on distributed clustering algorithms [70.8481702473572]
  3次元画像セグメンテーションへの多くのアプローチは、画像領域へのスーパーボクセルの階層的クラスタリングに基づいている。 ここでは,膨大な数のスーパーボクセルを処理可能な分散アルゴリズムについて述べる。 本研究では3次元電子顕微鏡脳画像から得られた135億超語彙間の1.5兆のエッジを持つ親和性グラフをクラスタリングしてアルゴリズムを実証する。
  論文  参考訳（メタデータ） (2021-06-21T01:11:49Z)
• Semantic Distribution-aware Contrastive Adaptation for Semantic Segmentation [50.621269117524925]
  ドメイン適応セマンティックセグメンテーション(ドメイン適応セマンティックセグメンテーション)とは、特定のソースドメインのアノテーションだけで特定のターゲットドメイン上で予測を行うことを指す。 画素ワイド表示アライメントを可能にする意味分布対応コントラスト適応アルゴリズムを提案する。 複数のベンチマークでSDCAを評価し、既存のアルゴリズムを大幅に改善します。
  論文  参考訳（メタデータ） (2021-05-11T13:21:25Z)
• A Novel Falling-Ball Algorithm for Image Segmentation [0.14337588659482517]
  領域ベースセグメンテーションアルゴリズムである領域ベースFalling-Ballアルゴリズムを提案する。 提案アルゴリズムは,丘陵地帯から落下する球が捕集流域で止まると仮定して,捕集流域を検出する。
  論文  参考訳（メタデータ） (2021-05-06T12:41:10Z)
• Deep Superpixel Cut for Unsupervised Image Segmentation [0.9281671380673306]
  本稿では,下記の2段階を含む画像分割の教師なし手法を提案する。 まず,スーパーピクセルワイドオートエンコーダ(SuperAE)を用いて,スムーズな画像の埋め込みと再構成を学習し,そのスムーズな画像を渡してスーパーピクセルを生成する。 次に,超画素間の深い類似度を測定し,ソフトパーティショニング問題として画像分割を定式化する,deep superpixel cut(dsc)と呼ばれる新しいクラスタリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-10T13:07:41Z)
• Exploring Cross-Image Pixel Contrast for Semantic Segmentation [130.22216825377618]
  完全教師付きセッティングにおけるセマンティックセグメンテーションのための画素単位のコントラストフレームワークを提案する。 中心となる考え方は、同じセマンティッククラスに属するピクセルの埋め込みを、異なるクラスの埋め込みよりもよく似ているように強制することである。 テスト中に余分なオーバーヘッドを伴わずに既存のセグメンテーションフレームワークに懸命に組み込むことができる。
  論文  参考訳（メタデータ） (2021-01-28T11:35:32Z)
• A Survey on Patch-based Synthesis: GPU Implementation and Optimization [0.0]
  この論文は、小さな局所領域間の対応を見つけるためのパッチベースの合成とアルゴリズムの研究を調査する。 私たちが研究したアルゴリズムの1つは、PatchMatchで、画像の類似した領域や「パッチ」を見つけることができる。 コンピュータグラフィックスでは、画像から不要な物体を取り除き、画像中の物体をシームレスに移動させ、画像のアスペクト比を変え、映像の要約を行った。
  論文  参考訳（メタデータ） (2020-05-11T19:25:28Z)
• The Semantic Mutex Watershed for Efficient Bottom-Up Semantic Instance Segmentation [15.768804877756384]
  本稿では,共同グラフ分割とラベリングのためのグリーディアルゴリズムを提案する。 アルゴリズムの効率のため、イメージをスーパーピクセルにオーバーセグメンテーションすることなく、直接ピクセル上で操作することができる。
  論文  参考訳（メタデータ） (2019-12-29T19:48:39Z)
• Efficient Video Semantic Segmentation with Labels Propagation and Refinement [138.55845680523908]
  本稿では,ハイブリッドGPU/CPUを用いた高精細ビデオのリアルタイムセマンティックセマンティックセマンティック化の問題に取り組む。 i) CPU上では、非常に高速な光フロー法であり、ビデオの時間的側面を利用して、あるフレームから次のフレームへ意味情報を伝達するために使用される。 高解像度フレーム(2048 x 1024)を持つ一般的なCityscapesデータセットでは、単一のGPUとCPU上で80から1000Hzの動作ポイントが提案されている。
  論文  参考訳（メタデータ） (2019-12-26T11:45:15Z)

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。