Fugu-MT 論文翻訳(概要): Review of wavelet-based unsupervised texture segmentation, advantage of adaptive wavelets

論文の概要: Review of wavelet-based unsupervised texture segmentation, advantage of adaptive wavelets

arxiv url: http://arxiv.org/abs/2410.19191v1
Date: Thu, 24 Oct 2024 22:48:28 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-28 13:36:39.178833
Title: Review of wavelet-based unsupervised texture segmentation, advantage of adaptive wavelets
Title（参考訳）: 適応ウェーブレットを利用したウェーブレットに基づく非教師なしテクスチャセグメンテーションのレビュー
Authors: Yuan Huang, Valentin De Bortoli, Fugen Zhou, Jerome Gilles,
Abstract要約: 経験的ウェーブレットの適応性は,従来のウェーブレットよりも優れた結果が得られることを示す。提案手法は,一般的なテクスチャ画像に基づいて,6つの古典的ベンチマークで検証される。
参考スコア（独自算出の注目度）: 8.144703798082293
License:
Abstract: Wavelet-based segmentation approaches are widely used for texture segmentation purposes because of their ability to characterize different textures. In this paper, we assess the influence of the chosen wavelet and propose to use the recently introduced empirical wavelets. We show that the adaptability of the empirical wavelet permits to reach better results than classic wavelets. In order to focus only on the textural information, we also propose to perform a cartoon + texture decomposition step before applying the segmentation algorithm. The proposed method is tested on six classic benchmarks, based on several popular texture images.
Abstract（参考訳）: ウェーブレットベースのセグメンテーションアプローチは、異なるテクスチャを特徴付ける能力のため、テクスチャセグメンテーション目的のために広く利用されている。本稿では,選択したウェーブレットの影響を評価し,最近導入された経験的ウェーブレットの利用を提案する。経験的ウェーブレットの適応性は,従来のウェーブレットよりも優れた結果が得られることを示す。また,テクスチャ情報のみに焦点を合わせるために,セグメンテーションアルゴリズムを適用する前に,マンガやテクスチャの分解処理を行うことを提案する。提案手法は,一般的なテクスチャ画像に基づいて,6つの古典的ベンチマークで検証される。

関連論文リスト

Empirical curvelet based Fully Convolutional Network for supervised texture image segmentation [2.780132626494265]
教師付きテクスチャ分類/セグメンテーションを行うための新しい手法を提案する。提案されているアイデアは、特定のテクスチャ記述子で完全な畳み込みネットワークを提供することである。提案手法は,複数のデータセットを用いて評価し,その結果を各種最先端アルゴリズムと比較する。
論文参考訳（メタデータ） (2024-10-28T21:49:40Z)
Generating Non-Stationary Textures using Self-Rectification [70.91414475376698]
本稿では,実例に基づく非定常テクスチャ合成の課題に対処する。本稿では,ユーザが標準画像編集ツールを使用して参照テクスチャを初めて修正する,新しい2段階のアプローチを提案する。提案手法は「自己修正(self-rectification)」と呼ばれ、このターゲットを自動的にコヒーレントでシームレスなテクスチャに洗練する。
論文参考訳（メタデータ） (2024-01-05T15:07:05Z)
Retinex-guided Channel-grouping based Patch Swap for Arbitrary Style Transfer [54.25418866649519]
パッチマッチングベースのスタイル転送の基本原理は、コンテンツ画像特徴マップのパッチを、スタイル画像特徴マップから最も近いパッチで置き換えることである。既存の手法では、全チャネルスタイルの特徴パッチを単純な信号テンソルとして扱い、信号レベル融合による新しいスタイルの特徴パッチを作成する。本稿では、上記の課題を解決するために、チャネルグループベースのパッチスワップスワップ技術であるRetinex理論を提案する。
論文参考訳（メタデータ） (2023-09-19T11:13:56Z)
Single Image Depth Estimation using Wavelet Decomposition [37.486778463181]
単眼画像から精度の高い深度を高効率で予測する新しい手法を提案する。この最適効率はウェーブレット分解を利用して達成される。我々はスパースウェーブレット係数を予測して高忠実度深度マップを再構築できることを実証した。
論文参考訳（メタデータ） (2021-06-03T17:42:25Z)
Multi-modal Conditional Bounding Box Regression for Music Score Following [7.360807642941713]
本稿では,シート画像に基づくオンラインオーディオ・スコアアライメントの問題に対処する。条件付きニューラルネットワークアーキテクチャは、与えられた音楽演奏の各時点における完全なスコアシート画像におけるマッチング位置のx,y座標を直接予測する。
論文参考訳（メタデータ） (2021-05-10T12:43:35Z)
Panoster: End-to-end Panoptic Segmentation of LiDAR Point Clouds [81.12016263972298]
我々は,LiDAR点雲のための提案不要なパノプティックセグメンテーション手法であるパノスターを提案する。従来のアプローチとは異なり、Panosterでは、インスタンスを識別するための学習ベースのクラスタリングソリューションを組み込んだ、シンプルなフレームワークを提案している。推論時に、これはクラスに依存しないセグメンテーションとして機能し、パノスターは高速で、精度の点で先行メソッドよりも優れている。
論文参考訳（メタデータ） (2020-10-28T18:10:20Z)
Contour Integration using Graph-Cut and Non-Classical Receptive Field [4.935491924643742]
本稿では,他のアルゴリズムのエッジセグメントから画像の輪郭を検出する新しい手法を提案する。提案したエネルギー関数は、テクスチャノイズを抑制するのに役立つ一次視覚野の周囲変調にインスパイアされている。
論文参考訳（メタデータ） (2020-10-27T19:07:13Z)
WaveGrad: Estimating Gradients for Waveform Generation [55.405580817560754]
WaveGradは、データ密度の勾配を推定する波形生成の条件モデルである。ガウスのホワイトノイズ信号から始まり、メル・スペクトログラムに条件付けされた勾配に基づくサンプリング器を通じて繰り返し信号の精製を行う。 6回の反復で高忠実度音声サンプルを生成できることが判明した。
論文参考訳（メタデータ） (2020-09-02T17:44:10Z)
Data-driven Meta-set Based Fine-Grained Visual Classification [61.083706396575295]
本稿では, ノイズの多いWeb画像に対して, 微粒化認識のためのデータ駆動型メタセットベースアプローチを提案する。具体的には、少量のクリーンなメタセットでガイドされ、メタラーニング方式で選択ネットを訓練し、分布内および分布外ノイズ画像の識別を行う。
論文参考訳（メタデータ） (2020-08-06T03:04:16Z)
Real Time Speech Enhancement in the Waveform Domain [99.02180506016721]
本稿では,ラップトップCPU上でリアルタイムに動作する生波形を用いた因果音声強調モデルを提案する。提案モデルは、スキップ接続を持つエンコーダデコーダアーキテクチャに基づいている。静止ノイズや非定常ノイズを含む様々な背景ノイズを除去することができる。
論文参考訳（メタデータ） (2020-06-23T09:19:13Z)
Decoding Imagined Speech using Wavelet Features and Deep Neural Networks [2.4063592468412267]
本稿では, 深層ニューラルネットワークを用いた予測音声の分類手法を提案する。提案手法では、脳の特定の領域にのみEEGチャネルを用いて分類し、それぞれのチャネルから特徴ベクトルを導出する。提案したアーキテクチャとデータ処理のアプローチにより,57.15%の平均分類精度が向上し,最先端の結果よりも約35%向上した。
論文参考訳（メタデータ） (2020-03-19T00:36:19Z)

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。