論文の概要: FastInstShadow: A Simple Query-Based Model for Instance Shadow Detection

• arxiv url: http://arxiv.org/abs/2503.07517v1
• Date: Mon, 10 Mar 2025 16:39:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-11 18:54:13.395620
• Title: FastInstShadow: A Simple Query-Based Model for Instance Shadow Detection
• Title（参考訳）: FastInstShadow: インスタンスのシャドウ検出のためのシンプルなクエリベースのモデル
• Authors: Takeru Inoue, Ryusuke Miyamoto,
• Abstract要約: 本稿では,クエリベースアーキテクチャによる検出精度を向上させるFastInstShadowを提案する。 SOBAデータセットを用いた実験結果から,提案手法はすべての基準において既存手法よりも優れていた。
• 参考スコア（独自算出の注目度）: 1.651302646429312
• License:
• Abstract: Instance shadow detection is the task of detecting pairs of shadows and objects, where existing methods first detect shadows and objects independently, then associate them. This paper introduces FastInstShadow, a method that enhances detection accuracy through a query-based architecture featuring an association transformer decoder with two dual-path transformer decoders to assess relationships between shadows and objects during detection. Experimental results using the SOBA dataset showed that the proposed method outperforms all existing methods across all criteria. This method makes real-time processing feasible for moderate-resolution images with better accuracy than SSISv2, the most accurate existing method. Our code is available at https://github.com/wlotkr/FastInstShadow.
• Abstract（参考訳）: インスタンスのシャドウ検出は、既存のメソッドが最初に独立してシャドウとオブジェクトを検出し、それらを関連付ける、一対のシャドウとオブジェクトを検出するタスクである。 本稿では,2つのデュアルパストランスフォーマデコーダを備えたアソシエーショントランスフォーマデコーダを備えたクエリベースアーキテクチャを用いて,検出時の影とオブジェクトの関係を評価することにより,検出精度を向上させるFastInstShadowを提案する。 SOBAデータセットを用いた実験結果から,提案手法はすべての基準において既存手法よりも優れていた。 この方法では,SSISv2よりも精度の高い高分解能画像のリアルタイム処理が可能となる。 私たちのコードはhttps://github.com/wlotkr/FastInstShadow.comから入手可能です。

関連論文リスト

• SwinShadow: Shifted Window for Ambiguous Adjacent Shadow Detection [90.4751446041017]
  スウィンシャドウ(SwinShadow)は、隣接する影を検出するための強力なシフトウインドウ機構をフル活用したトランスフォーマーベースのアーキテクチャである。 プロセス全体は、エンコーダ、デコーダ、機能統合の3つの部分に分けられる。 SBU, UCF, ISTDの3つのシャドウ検出ベンチマークデータセットの実験により, ネットワークがバランスエラー率(BER)の点で優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2024-08-07T03:16:33Z)
• Linear Object Detection in Document Images using Multiple Object Tracking [58.720142291102135]
  線形オブジェクトは文書構造に関する実質的な情報を伝達する。 多くのアプローチはベクトル表現を復元できるが、1994年に導入された1つのクローズドソース技術のみである。 複数オブジェクト追跡を用いた文書画像中の線形オブジェクトの正確なインスタンスセグメンテーションのためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-26T14:22:03Z)
• Detect Any Shadow: Segment Anything for Video Shadow Detection [105.19693622157462]
  影を検出するためのセグメンテーションモデル(SAM)を微調整するフレームワークであるShadowSAMを提案する。 長時間の注意機構と組み合わせることで、効率的な映像陰影検出が可能となる。 提案手法は,従来のビデオシャドウ検出手法と比較して高速な推論速度を示す。
  論文  参考訳（メタデータ） (2023-05-26T07:39:10Z)
• Learning to Detect Good Keypoints to Match Non-Rigid Objects in RGB Images [7.428474910083337]
  本稿では,非剛性画像対応タスクの正マッチ数を最大化するために,新しい学習キーポイント検出手法を提案する。 我々のトレーニングフレームワークは、アノテートされた画像対と予め定義された記述子抽出器をマッチングして得られる真の対応を利用して、畳み込みニューラルネットワーク(CNN)を訓練する。 実験の結果,本手法は平均整合精度で20時までに非剛体物体の実像に対して,最先端のキーポイント検出器よりも優れていた。
  論文  参考訳（メタデータ） (2022-12-13T11:59:09Z)
• Instance Shadow Detection with A Single-Stage Detector [126.73011063999695]
  まず、シャドーインスタンス、オブジェクトインスタンス、シャドーオブジェクト関連のためのマスクを備えた新しいデータセットをコンパイルします。 次に,インスタンス陰影検出の性能を定量的に評価するための評価指標を設計する。 本手法をインスタンス陰影検出のベンチマークデータセット上で定量的かつ定性的に評価し,光方向推定と写真編集への適用性を示す。
  論文  参考訳（メタデータ） (2022-07-11T04:15:42Z)
• R2D: Learning Shadow Removal to Enhance Fine-Context Shadow Detection [64.10636296274168]
  現在のシャドウ検出方法は、小さく、不明瞭で、ぼやけたエッジを持つシャドウ領域を検出する際には、性能が良くない。 本稿では,深層ニューラルネットワークを修復訓練(シャドウ除去)するRestore to Detect(R2D)という新しい手法を提案する。 提案手法は,近年の手法に比べて微妙なコンテキストの検出が可能でありながら,影検出性能の向上を図っている。
  論文  参考訳（メタデータ） (2021-09-20T15:09:22Z)
• Temporal Feature Warping for Video Shadow Detection [30.82493923485278]
  本稿では,情報収集を時間的に改善する簡易かつ強力な手法を提案する。 我々は、光フローベースのワープモジュールを使用して、フレーム間の特徴を調整し、組み合わせます。 このワープモジュールを複数のディープ・ネットワーク・レイヤにまたがって適用し、局所的な詳細情報と高レベルのセマンティック情報を含む近隣のフレームから情報を取得する。
  論文  参考訳（メタデータ） (2021-07-29T19:12:50Z)
• QuickBrowser: A Unified Model to Detect and Read Simple Object in Real-time [3.098115480186737]
  本研究では,多桁認識を1段階物体検出モデルに組み込むことにより,この検出と読み取りの問題を軽量に解決することを目的とする。 アーキテクチャ、損失関数、データ拡張、トレーニングにおけるバックボーンと修正の選択は、このメソッドを堅牢で効率的かつ高速にします。
  論文  参考訳（メタデータ） (2021-02-15T05:47:40Z)
• Frustratingly Simple Few-Shot Object Detection [98.42824677627581]
  希少なクラスにおける既存検出器の最後の層のみを微調整することは、数発の物体検出タスクに不可欠である。 このような単純なアプローチは、現在のベンチマークで約220ポイントのメタ学習方法より優れている。
  論文  参考訳（メタデータ） (2020-03-16T00:29:14Z)

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。