論文の概要: A Novel Distance-Based Metric for Quality Assessment in Image Segmentation

• arxiv url: http://arxiv.org/abs/2504.00023v1
• Date: Fri, 28 Mar 2025 12:02:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:19:46.392490
• Title: A Novel Distance-Based Metric for Quality Assessment in Image Segmentation
• Title（参考訳）: 画像セグメンテーションにおける品質評価のための新しい距離ベースメトリクス
• Authors: Niklas Rottmayer, Claudia Redenbach,
• Abstract要約: 本稿では,新しい距離ベース品質指標であるSurface Consistency Coefficient (SCC)を紹介する。 SCCは、その構造表面への近接に基づいて誤差の空間分布を定量化する。 本研究では,表面近傍の誤差と遠方での誤差を区別する上で,SCCの堅牢性と有効性を示す。
• 参考スコア（独自算出の注目度）: 0.7673339435080445
• License:
• Abstract: The assessment of segmentation quality plays a fundamental role in the development, optimization, and comparison of segmentation methods which are used in a wide range of applications. With few exceptions, quality assessment is performed using traditional metrics, which are based on counting the number of erroneous pixels but do not capture the spatial distribution of errors. Established distance-based metrics such as the average Hausdorff distance are difficult to interpret and compare for different methods and datasets. In this paper, we introduce the Surface Consistency Coefficient (SCC), a novel distance-based quality metric that quantifies the spatial distribution of errors based on their proximity to the surface of the structure. Through a rigorous analysis using synthetic data and real segmentation results, we demonstrate the robustness and effectiveness of SCC in distinguishing errors near the surface from those further away. At the same time, SCC is easy to interpret and comparable across different structural contexts.
• Abstract（参考訳）: セグメンテーション品質の評価は、幅広いアプリケーションで使用されるセグメンテーション手法の開発、最適化、比較において、基本的な役割を担っている。 少ない例外を除いて、誤り画素数をカウントするが、誤差の空間分布を捉えない従来の指標を用いて品質評価を行う。 平均ハウスドルフ距離のような確立された距離ベースのメトリクスは、異なる方法やデータセットを解釈し比較することは困難である。 本稿では, 構造物表面近傍における誤差の空間分布を定量化する, 距離に基づく新しい品質指標であるSurface Consistency Coefficient (SCC)を紹介する。 合成データと実セグメンテーション結果を用いた厳密な解析により, 表面近傍の誤差との距離を区別するSCCの頑健さと有効性を示す。 同時に、SCCは解釈が容易で、異なる構造的コンテキストに匹敵する。

関連論文リスト

• Quantifying Behavioural Distance Between Mathematical Expressions [0.0]
  そこで本稿では,類似した誤りを伴って表現をクラスタリングする行動距離(BED)の尺度を提案し,実装する。 また,BEDは,記号回帰のための探索空間における誤り景観の滑らかさを著しく改善することを示した。
  論文  参考訳（メタデータ） (2024-08-21T10:48:04Z)
• Embedding Trajectory for Out-of-Distribution Detection in Mathematical Reasoning [50.84938730450622]
  数理推論におけるOOD検出にトラジェクトリボラティリティを用いたトラジェクトリベースのTVスコアを提案する。 本手法は, 数学的推論シナリオ下でのGLM上での従来のアルゴリズムよりも優れる。 提案手法は,複数選択質問などの出力空間における高密度特徴を持つアプリケーションに拡張することができる。
  論文  参考訳（メタデータ） (2024-05-22T22:22:25Z)
• Approximating Intersections and Differences Between Linear Statistical Shape Models Using Markov Chain Monte Carlo [5.8691349601057325]
  本稿では,2つの線形SSMを高密度対応で比較する手法を提案する。 マルコフ連鎖モンテカルロを用いて交叉空間に横たわる形状の分布を近似する。 本稿では,交差空間の計算と解析と,利用可能な顔モデルの違いにより,提案アルゴリズムを定性的に示す。
  論文  参考訳（メタデータ） (2022-11-29T15:54:34Z)
• A new distance measurement and its application in K-Means Algorithm [7.168628921229442]
  ユークリッド距離に基づくK平均クラスタリングアルゴリズムは、サンプル間の線形距離にのみ注意を払う。 我々は,新しい距離測定,すなわちビュー距離を提案し,それをK-Meansアルゴリズムに適用する。 実験の結果、ほとんどのデータセットにおいて、ビュー距離に基づくK-Meansアルゴリズムは分類精度とクラスタリング効果をある程度改善していることがわかった。
  論文  参考訳（メタデータ） (2022-06-10T16:26:22Z)
• Incorporating Texture Information into Dimensionality Reduction for High-Dimensional Images [65.74185962364211]
  距離ベース次元削減手法に周辺情報を組み込む手法を提案する。 画像パッチを比較する異なる手法の分類に基づいて,様々なアプローチを探索する。
  論文  参考訳（メタデータ） (2022-02-18T13:17:43Z)
• Meta Learning Low Rank Covariance Factors for Energy-Based Deterministic Uncertainty [58.144520501201995]
  ニューラルネットワーク層のBi-Lipschitz正規化は、各レイヤの特徴空間におけるデータインスタンス間の相対距離を保存する。 注意セットエンコーダを用いて,タスク固有の共分散行列を効率的に構築するために,対角的,対角的,低ランクな要素のメタ学習を提案する。 また,最終的な予測分布を達成するために,スケールしたエネルギーを利用する推論手法を提案する。
  論文  参考訳（メタデータ） (2021-10-12T22:04:19Z)
• Kernel distance measures for time series, random fields and other structured data [71.61147615789537]
  kdiffは、構造化データのインスタンス間の距離を推定するためのカーネルベースの新しい尺度である。 これはインスタンス間の自己類似性と交差類似性の両方を考慮し、距離分布の低い定量値を用いて定義される。 kdiffをクラスタリングと分類問題のための距離尺度として用いた分離性条件について,いくつかの理論的結果が得られた。
  論文  参考訳（メタデータ） (2021-09-29T22:54:17Z)
• A Novel Factor Graph-Based Optimization Technique for Stereo Correspondence Estimation [0.0]
  差分推定のための新しい因子グラフに基づく確率的グラフィカルモデルを提案する。 新たな因子グラフに基づく手法は、最近の非学習および学習に基づく分散度推定アルゴリズムと比較して、より高精度な分散度推定を提供する。
  論文  参考訳（メタデータ） (2021-09-22T23:30:33Z)
• Cross-Domain Similarity Learning for Face Recognition in Unseen Domains [90.35908506994365]
  本研究では,cdt(cross-domain triplet, クロスドメイントリプレット)の損失を推測する新しいクロスドメインメトリック学習損失法を提案する。 CDT損失は、一つのドメインからコンパクトな特徴クラスタを強制することによって意味論的に意味のある特徴の学習を促進する。 本手法では,トレーニング中,注意深いハードペアサンプルマイニングおよびフィルタリング戦略は必要としない。
  論文  参考訳（メタデータ） (2021-03-12T19:48:01Z)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。 本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。 実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)

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。