論文の概要: CMaP-SAM: Contraction Mapping Prior for SAM-driven Few-shot Segmentation

• arxiv url: http://arxiv.org/abs/2504.05049v1
• Date: Mon, 07 Apr 2025 13:19:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-08 14:11:04.526063
• Title: CMaP-SAM: Contraction Mapping Prior for SAM-driven Few-shot Segmentation
• Title（参考訳）: CMaP-SAM:SAM駆動Few-shotセグメンテーションに先立つ縮尺マッピング
• Authors: Shuai Chen, Fanman Meng, Haoran Wei, Chenhao Wu, Qingbo Wu, Linfeng Xu, Hongliang Li,
• Abstract要約: Few-shot segmentation (FSS) は、注釈付きイメージをほとんど使用せずに新しいクラスをセグメンテーションすることを目的としている。 最近のFSS法は、SAM(Seegment Anything Model)を活用して大幅に改善されている。 CMaP-SAM は SAM 駆動 FSS の位置先を最適化するための縮尺写像理論を導入する新しいフレームワークである。
• 参考スコア（独自算出の注目度）: 21.466035540502226
• License:
• Abstract: Few-shot segmentation (FSS) aims to segment new classes using few annotated images. While recent FSS methods have shown considerable improvements by leveraging Segment Anything Model (SAM), they face two critical limitations: insufficient utilization of structural correlations in query images, and significant information loss when converting continuous position priors to discrete point prompts. To address these challenges, we propose CMaP-SAM, a novel framework that introduces contraction mapping theory to optimize position priors for SAM-driven few-shot segmentation. CMaP-SAM consists of three key components: (1) a contraction mapping module that formulates position prior optimization as a Banach contraction mapping with convergence guarantees. This module iteratively refines position priors through pixel-wise structural similarity, generating a converged prior that preserves both semantic guidance from reference images and structural correlations in query images; (2) an adaptive distribution alignment module bridging continuous priors with SAM's binary mask prompt encoder; and (3) a foreground-background decoupled refinement architecture producing accurate final segmentation masks. Extensive experiments demonstrate CMaP-SAM's effectiveness, achieving state-of-the-art performance with 71.1 mIoU on PASCAL-$5^i$ and 56.1 on COCO-$20^i$ datasets.
• Abstract（参考訳）: Few-shot segmentation (FSS) は、注釈付きイメージをほとんど使用せずに新しいクラスをセグメンテーションすることを目的としている。 最近のFSS法では,セグメンテーションモデル (SAM) を活用することで大幅な改善が見られたが,クエリ画像における構造的相関の不十分な利用と,連続位置を離散点プロンプトに変換する際の重要な情報損失の2つの限界に直面している。 これらの課題に対処するため,本研究では,SAM駆動の少数ショットセグメンテーションのための位置先を最適化するための縮尺写像理論を導入する新しいフレームワークであるCMaP-SAMを提案する。 CMaP-SAM は、(1) 収束保証付きバナッハ縮約写像として事前の最適化を定式化する縮約写像モジュールである。 本モジュールは、画素単位の構造的類似性を通じて位置前処理を反復的に洗練し、参照画像からのセマンティックガイダンスとクエリ画像の構造的相関の両方を保存する収束前処理を生成し、(2)SAMのバイナリマスクプロンプトエンコーダで連続的な前処理をブリッジする適応分散アライメントモジュール、(3)正確な最終分割マスクを生成する前処理の非結合後処理アーキテクチャを生成する。 大規模な実験はCMaP-SAMの有効性を示し、PASCALでは71.1 mIoU、COCOでは56.1mIoUである。

関連論文リスト

• Effective SAM Combination for Open-Vocabulary Semantic Segmentation [24.126307031048203]
  Open-vocabulary semantic segmentationは、無制限のクラスにわたる画像にピクセルレベルのラベルを割り当てることを目的としている。 ESC-Netは、SAMデコーダブロックを利用してクラスに依存しないセグメンテーションを行う新しい1段オープン語彙セグメンテーションモデルである。 ESC-NetはADE20K、PASCAL-VOC、PASCAL-Contextなどの標準ベンチマークで優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-11-22T04:36:12Z)
• FCC: Fully Connected Correlation for Few-Shot Segmentation [11.277022867553658]
  Few-shot segmentation (FSS) は、少数のサポートイメージとマスクのみを使用して、ターゲットオブジェクトをクエリイメージにセグメントすることを目的としている。 従来の手法では, 最終層や同層の特徴に対する画素レベルの相関関係から相関写像を作成することで, 事前情報を得る方法が試みられている。 サポート機能とクエリ機能の間にピクセルレベルの相関関係を統合するためにFCC(Fully Connected correlation)を導入する。
  論文  参考訳（メタデータ） (2024-11-18T03:32:02Z)
• Harnessing Vision Foundation Models for High-Performance, Training-Free Open Vocabulary Segmentation [26.786890883280062]
  本稿では,CLIP と DINO が抽出した特徴をサブイメージから切り離し,SAM のエンコーダを利用してグローバルアグリゲーションの相関行列を生成する,トレーニング不要なフレームワーク Trident を紹介する。 Tridentは、現在のSOTAと比較して8つのベンチマークでmIoUを大幅に改善し、44.4から48.6.Codeに増加した。
  論文  参考訳（メタデータ） (2024-11-14T06:31:20Z)
• Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
  Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。 従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。 本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
  論文  参考訳（メタデータ） (2023-12-19T08:14:14Z)
• SAMConvex: Fast Discrete Optimization for CT Registration using Self-supervised Anatomical Embedding and Correlation Pyramid [32.424451941998484]
  特徴空間で計算されたコスト体積による変位ベクトル場の推定は,画像登録において大きな成功を収めた。 既存の特徴記述子は、グローバルな意味情報を表現できないローカル特徴のみを抽出する。 我々は,CT登録のための高速な粗い離散最適化手法SAMConvexを提案する。
  論文  参考訳（メタデータ） (2023-07-19T02:28:41Z)
• Dense Affinity Matching for Few-Shot Segmentation [83.65203917246745]
  Few-Shot (FSS) は、新しいクラスイメージをいくつかのサンプルで分割することを目的としている。 本稿では,サポートクエリ間の相互作用を生かした密接な親和性マッチングフレームワークを提案する。 我々のフレームワークは0.68万のパラメータしか持たない異なる設定で非常に競争力のある性能を示す。
  論文  参考訳（メタデータ） (2023-07-17T12:27:15Z)
• Progressively Dual Prior Guided Few-shot Semantic Segmentation [57.37506990980975]
  Few-shotのセマンティックセマンティックセマンティクスタスクは、いくつかのアノテーション付きサポートサンプルを使用して、クエリイメージのセマンティクスを実行することを目的としている。 本稿では,先進的に2重にガイドされた数発のセマンティックセマンティックセグメンテーションネットワークを提案する。
  論文  参考訳（メタデータ） (2022-11-20T16:19:47Z)
• Dynamic Prototype Convolution Network for Few-Shot Semantic Segmentation [33.93192093090601]
  少数ショットセマンティックセグメンテーション(FSS)の鍵となる課題は、サポートとクエリ機能間の望ましいインタラクションをどのように調整するかである。 そこで本研究では,FSSの精度を高めるために,本発明のプロトタイプコンボリューションネットワーク(DPCN)を提案する。 当社のDPCNは、kショットFSS設定下でも柔軟で効率的です。
  論文  参考訳（メタデータ） (2022-04-22T11:12:37Z)
• Real-Time Scene Text Detection with Differentiable Binarization and Adaptive Scale Fusion [62.269219152425556]
  セグメンテーションに基づくシーンテキスト検出手法はシーンテキスト検出分野において大きな注目を集めている。 本稿では,二項化処理をセグメンテーションネットワークに統合する分散二項化(DB)モジュールを提案する。 アダプティブ・スケール・フュージョン (ASF) モジュールは, 異なるスケールの特徴を適応的に融合させることにより, スケールのロバスト性を向上させる。
  論文  参考訳（メタデータ） (2022-02-21T15:30:14Z)
• CoADNet: Collaborative Aggregation-and-Distribution Networks for Co-Salient Object Detection [91.91911418421086]
  Co-Salient Object Detection (CoSOD)は、2つ以上の関連する画像を含む所定のクエリグループに繰り返し現れる健全なオブジェクトを発見することを目的としている。 課題の1つは、画像間の関係をモデリングし、活用することによって、コ・サリヤ・キューを効果的にキャプチャする方法である。 我々は,複数画像から有能かつ反復的な視覚パターンを捉えるために,エンドツーエンドの協調集約配信ネットワーク(CoADNet)を提案する。
  論文  参考訳（メタデータ） (2020-11-10T04:28:11Z)
• Kullback-Leibler Divergence-Based Fuzzy $C$-Means Clustering Incorporating Morphological Reconstruction and Wavelet Frames for Image Segmentation [152.609322951917]
  そこで我々は,厳密なウェーブレットフレーム変換と形態的再構成操作を組み込むことで,Kulback-Leibler (KL) 発散に基づくFuzzy C-Means (FCM) アルゴリズムを考案した。 提案アルゴリズムはよく機能し、他の比較アルゴリズムよりもセグメンテーション性能が優れている。
  論文  参考訳（メタデータ） (2020-02-21T05:19:10Z)

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。