論文の概要: Topology preserving Image segmentation using the iterative convolution-thresholding method

• arxiv url: http://arxiv.org/abs/2503.17792v1
• Date: Sat, 22 Mar 2025 14:59:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-25 14:36:45.865294
• Title: Topology preserving Image segmentation using the iterative convolution-thresholding method
• Title（参考訳）: 反復的畳み込み閾値法による画像セグメンテーションの位相保存
• Authors: Lingyun Deng, Litong Liu, Dong Wang, Xiao-Ping Wang,
• Abstract要約: 本稿では, 反復的畳み込み保持法(ICTM)にトポロジ保存制約を導入する。 実験により,対象物体のトポロジ特性を明示的に保存することにより,精度とロバスト性を向上することを示した。
• 参考スコア（独自算出の注目度）: 9.341617883846702
• License:
• Abstract: Variational models are widely used in image segmentation, with various models designed to address different types of images by optimizing specific objective functionals. However, traditional segmentation models primarily focus on the visual attributes of the image, often neglecting the topological properties of the target objects. This limitation can lead to segmentation results that deviate from the ground truth, particularly in images with complex topological structures. In this paper, we introduce a topology-preserving constraint into the iterative convolution-thresholding method (ICTM), resulting in the topology-preserving ICTM (TP-ICTM). Extensive experiments demonstrate that, by explicitly preserving the topological properties of target objects-such as connectivity-the proposed algorithm achieves enhanced accuracy and robustness, particularly in images with intricate structures or noise.
• Abstract（参考訳）: 変分モデルは画像セグメンテーションにおいて広く用いられ、特定の目的関数を最適化することにより、様々な種類の画像に対処するように設計されている。 しかし、従来のセグメンテーションモデルは、主に画像の視覚的特性に焦点を当てており、しばしば対象の物体の位相的特性を無視する。 この制限は、特に複雑な位相構造を持つ画像において、基底真理から逸脱するセグメンテーションの結果をもたらす可能性がある。 本稿では,反復的畳み込み保持法(ICTM)にトポロジ保存制約を導入し,トポロジ保存ICTM(TP-ICTM)を実現する。 広汎な実験により、特に複雑な構造やノイズを持つ画像において、対象物体のトポロジ特性(接続性など)を明示的に保存することにより、提案アルゴリズムは精度とロバスト性を向上することを示した。

関連論文リスト

• Conformable Convolution for Topologically Aware Learning of Complex Anatomical Structures [38.20599800950335]
  トポロジ的一貫性を明示するために設計された新しい畳み込み層であるConformable Convolutionを紹介する。 Topological Posterior Generator (TPG)モジュールは、重要なトポロジ的特徴を特定し、畳み込み層をガイドする。 本稿では,構造物の相互接続性維持が重要となるセグメンテーション作業におけるフレームワークの有効性を示す。
  論文  参考訳（メタデータ） (2024-12-29T22:41:33Z)
• Topology-Preserving Image Segmentation with Spatial-Aware Persistent Feature Matching [14.569312113899043]
  本稿では,画像の空間領域における情報をさらに活用する,効率的かつ効率的な空間認識型トポロジカルロス関数を提案する。 種々の管状構造の画像に対する実験により,提案手法はセグメンテーションのトポロジ的精度向上に優れた性能を示した。
  論文  参考訳（メタデータ） (2024-12-03T01:38:15Z)
• Slender Object Scene Segmentation in Remote Sensing Image Based on Learnable Morphological Skeleton with Segment Anything Model [23.419029471215325]
  本稿では,学習可能な形態学スケルトンを深層ニューラルネットワークに組み込む新しい手法を提案する。 建物,道路,水などのリモートセンシングデータセットの実験結果から,本手法が元のセグメン・アプライシング・モデルより優れていることを示す。
  論文  参考訳（メタデータ） (2024-11-13T13:19:51Z)
• Topograph: An efficient Graph-Based Framework for Strictly Topology Preserving Image Segmentation [78.54656076915565]
  位相的正しさは多くの画像分割タスクにおいて重要な役割を果たす。 ほとんどのネットワークは、Diceのようなピクセル単位の損失関数を使って、トポロジカルな精度を無視して訓練されている。 トポロジ的に正確な画像セグメンテーションのための新しいグラフベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-05T16:20:14Z)
• Enhancing Boundary Segmentation for Topological Accuracy with Skeleton-based Methods [7.646983689651424]
  位相整合性は、直交画像の境界セグメンテーションの課題において重要な役割を果たす。 本稿では,各物体の形状と画素の位相的意義を考慮に入れた新たな損失関数であるSkea-Topo Aware Losを提案する。 実験により, この手法は, 13 の最先端手法と比較して, VI において最大 7 点まで位相整合性を向上させることが証明された。
  論文  参考訳（メタデータ） (2024-04-29T09:27:31Z)
• Prompt-Driven Dynamic Object-Centric Learning for Single Domain Generalization [61.64304227831361]
  単一ドメインの一般化は、単一のソースドメインデータからモデルを学び、他の見えないターゲットドメイン上での一般的なパフォーマンスを達成することを目的としている。 本稿では,画像の複雑さの変化に対応することを目的とした,素早い学習に基づく動的物体中心知覚ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-02-28T16:16:51Z)
• EmerDiff: Emerging Pixel-level Semantic Knowledge in Diffusion Models [52.3015009878545]
  我々は、追加の訓練をすることなく、きめ細かなセグメンテーションマップを生成できる画像セグメンタを開発した。 低次元特徴写像の空間的位置と画像画素間の意味的対応を同定する。 大規模な実験では、生成したセグメンテーションマップがよく説明され、画像の細部を捉えることが示されている。
  論文  参考訳（メタデータ） (2024-01-22T07:34:06Z)
• Distance Weighted Trans Network for Image Completion [52.318730994423106]
  本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
  論文  参考訳（メタデータ） (2023-10-11T12:46:11Z)
• Deep Spectral Methods: A Surprisingly Strong Baseline for Unsupervised Semantic Segmentation and Localization [98.46318529630109]
  画像分解をグラフ分割問題として再フレーミングすることで,従来のスペクトル分割法から着想を得た。 これらの固有ベクトルはすでにイメージを意味のあるセグメントに分解しており、シーン内のオブジェクトのローカライズに容易に利用できる。 データセットにまたがるこれらのセグメントに関連する機能をクラスタ化することで、明確に定義された、名前付き可能なリージョンを得ることができる。
  論文  参考訳（メタデータ） (2022-05-16T17:47:44Z)
• Image Segmentation with Homotopy Warping [10.093435601073484]
  位相的正しさは、微細な構造を持つ画像のセグメンテーションに不可欠である。 ディジタルトポロジの理論を活用することで、トポロジにとって重要な画像中の位置を特定する。 本稿では,位相的精度を向上させるために,深部画像分割ネットワークをトレーニングするための新たなホモトピーワーピング損失を提案する。
  論文  参考訳（メタデータ） (2021-12-15T00:33:15Z)
• Closed-Form Factorization of Latent Semantics in GANs [65.42778970898534]
  画像合成のために訓練されたGAN(Generative Adversarial Networks)の潜在空間に、解釈可能な次元の豊富なセットが出現することが示されている。 本研究では,GANが学習した内部表現について検討し,その基礎となる変動要因を教師なしで明らかにする。 本稿では,事前学習した重みを直接分解することで,潜在意味発見のためのクローズドフォーム因数分解アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-07-13T18:05:36Z)

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。