論文の概要: LivePyxel: Accelerating image annotations with a Python-integrated webcam live streaming
- arxiv url: http://arxiv.org/abs/2509.13504v1
- Date: Tue, 16 Sep 2025 20:06:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-18 18:41:50.634145
- Title: LivePyxel: Accelerating image annotations with a Python-integrated webcam live streaming
- Title（参考訳）: LivePyxel: Python統合Webカメラライブストリーミングによるイメージアノテーションの高速化
- Authors: Uriel Garcilazo-Cruz, Joseph O. Okeme, Rodrigo A. Vargas--Hernández,
- Abstract要約: LivePyxelはPythonベースのグラフィカルユーザインタフェースで、イメージングシステムと統合してリアルタイムの画像アノテーションを可能にする。
LivePyxelはシンプルなインターフェースで簡単に使えるように設計されており、アノテーションの領域を正確に切り離すことができる。
LivePyxelはまた、ビデオデバイス間の広範な互換性を統合しており、OpenCVを使ったオブジェクト検出操作に最適化されている。
- 参考スコア（独自算出の注目度）: 0.764671395172401
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The lack of flexible annotation tools has hindered the deployment of AI models in some scientific areas. Most existing image annotation software requires users to upload a precollected dataset, which limits support for on-demand pipelines and introduces unnecessary steps to acquire images. This constraint is particularly problematic in laboratory environments, where real-time data acquisition from instruments such as microscopes is increasingly common. In this work, we introduce \texttt{LivePixel}, a Python-based graphical user interface that integrates with imaging systems, such as webcams, microscopes, and others, to enable real-time image annotation. LivePyxel is designed to be easy to use through a simple interface that allows users to precisely delimit areas for annotation using tools commonly found in commercial graphics editing software. Of particular interest is the availability of B\'ezier splines and binary masks, and the software's capacity to work with non-destructive layers that enable high-performance editing. LivePyxel also integrates a wide compatibility across video devices, and it's optimized for object detection operations via the use of OpenCV in combination with high-performance libraries designed to handle matrix and linear algebra operations via Numpy effectively. LivePyxel facilitates seamless data collection and labeling, accelerating the development of AI models in experimental workflows. LivePyxel freely available at https://github.com/UGarCil/LivePyxel
- Abstract（参考訳）: フレキシブルなアノテーションツールの欠如は、いくつかの科学分野におけるAIモデルの展開を妨げている。
ほとんどの既存の画像アノテーションソフトウェアでは、ユーザーは、オンデマンドパイプラインのサポートを制限し、画像を取得するための不要なステップを導入する、プレコンパイルデータセットをアップロードする必要がある。
この制約は、顕微鏡のような機器からのリアルタイムデータ取得がますます一般的になる実験室環境において特に問題となる。
本稿では,Webカメラや顕微鏡などの画像システムと統合してリアルタイムな画像アノテーションを実現する,Pythonベースのグラフィカルユーザインタフェースである \textt{LivePixel} を紹介する。
LivePyxelはシンプルなインターフェイスで簡単に使えるように設計されており、ユーザーは商用のグラフィクス編集ソフトでよく見られるツールを使ってアノテーションの領域を正確に切り離すことができる。
特に興味深いのは、B\'ezierスプラインとバイナリマスクが利用可能であり、ソフトウェアが高性能な編集を可能にする非破壊的なレイヤーを扱う能力である。
LivePyxelはまた、ビデオデバイス間の広範な互換性も統合しており、OpenCVとNumpyによる行列および線形代数操作を効果的に扱うように設計された高性能ライブラリを組み合わせることで、オブジェクト検出操作に最適化されている。
LivePyxelはシームレスなデータ収集とラベリングを促進し、実験ワークフローにおけるAIモデルの開発を加速する。
LivePyxel https://github.com/UGarCil/LivePyxel
関連論文リスト
- Webly-Supervised Image Manipulation Localization via Category-Aware Auto-Annotation [49.83611963142304]
画像編集ツールを使って操作された画像は、視聴者を誤解させ、社会保障に重大なリスクをもたらす可能性がある。
この領域の主な障壁の1つは、データ取得の高コストと、高品質な注釈付きデータセットの深刻な欠如である。
我々は、Webから手動で鍛造された画像の大規模なコレクションと、自動生成されたアノテーションを利用する。
我々はMIMLv2を構築する。MIMLv2は大規模で多彩で高品質なデータセットで、246,212個の手動鍛造画像とピクセルレベルのマスクアノテーションを備えている。
論文 参考訳（メタデータ） (2025-08-28T16:44:40Z) - Blendify -- Python rendering framework for Blender [31.334130573156937]
BlendifyはPythonベースのフレームワークで、シームレスにBlenderと統合できる。
オブジェクト生成を自動化し、色とマテリアルリンクを扱い、シャドーキャッチャーオブジェクトのような機能を実装する。
論文 参考訳（メタデータ） (2024-10-23T13:29:02Z) - Slideflow: Deep Learning for Digital Histopathology with Real-Time
Whole-Slide Visualization [49.62449457005743]
われわれはSlideflowと呼ばれる病理組織学のための柔軟なディープラーニングライブラリを開発した。
デジタル病理学のための幅広い深層学習手法をサポートしている。
トレーニングされたモデルをデプロイするための、高速な全スライドインターフェースが含まれている。
論文 参考訳（メタデータ） (2023-04-09T02:49:36Z) - Interactive Segmentation and Visualization for Tiny Objects in
Multi-megapixel Images [5.09193568605539]
大規模マルチメガピクセルの高域画像における微小物体の識別・検査・編集を行う対話型画像分割・可視化フレームワークを提案する。
我々は、推論モデル、HDR画像可視化、セグメンテーションマスク検査、編集を単一のグラフィカルユーザインタフェースに統合するインタラクティブツールキットを開発した。
我々のインターフェースは、マウス制御、同期、デュアルウィンドウによる画像の可視化とセグメンテーションマスクを備えており、マルチメガピクセル画像中の小さな物体を探索するための重要な特徴である。
論文 参考訳（メタデータ） (2022-04-21T18:26:48Z) - Panoptic Segmentation using Synthetic and Real Data [21.226582774172062]
本研究では,実環境と実物体の3次元モデルから合成画像を生成するパイプラインを提案する。
実験により、合成画像を使用することで、合理的なパノプティクスセグメンテーション性能を得るために必要な実画像の数を劇的に削減できることが示された。
論文 参考訳（メタデータ） (2022-04-14T16:01:48Z) - ZippyPoint: Fast Interest Point Detection, Description, and Matching
through Mixed Precision Discretization [71.91942002659795]
我々は,ネットワーク量子化技術を用いて推論を高速化し,計算限定プラットフォームでの利用を可能にする。
バイナリディスクリプタを用いた効率的な量子化ネットワークZippyPointは,ネットワーク実行速度,ディスクリプタマッチング速度,3Dモデルサイズを改善する。
これらの改善は、ホモグラフィー推定、視覚的ローカライゼーション、マップフリーな視覚的再ローカライゼーションのタスクで評価されるように、小さなパフォーマンス劣化をもたらす。
論文 参考訳（メタデータ） (2022-03-07T18:59:03Z) - Interactive Visualization of Protein RINs using NetworKit in the Cloud [57.780880387925954]
本稿では,タンパク質動態,特に残基相互作用ネットワーク(RIN)の例について考察する。
NetworKitを使ってクラウドベースの環境を構築しています。
このアプローチの汎用性を実証するために、私たちは、RIN視覚化のためのカスタムJupyterベースのウィジェットを構築するためにそれを使用します。
論文 参考訳（メタデータ） (2022-03-02T17:41:45Z) - Design of a Graphical User Interface for Few-Shot Machine Learning
Classification of Electron Microscopy Data [0.23453441553817042]
我々は,Python ベースのグラフィカルユーザインタフェースを開発し,エンドユーザが数発の学習モデルのアウトプットを容易に実行し,視覚化できるようにする。
このインターフェースは軽量で,ローカルあるいはWeb上でホストすることができる。
論文 参考訳（メタデータ） (2021-07-21T23:02:33Z) - Neural Sparse Voxel Fields [151.20366604586403]
高速かつ高品質な自由視点レンダリングのためのニューラルシーン表現であるNeural Sparse Voxel Fields (NSVF)を紹介する。
NSVFは、各細胞の局所特性をモデル化するために、スパース・ボクセル・オクツリーで組織された、ボクセルに結合した暗黙のフィールドのセットを定義する。
提案手法は, 高い品質を達成しつつ, 推論時の最先端技術(NeRF(Mildenhall et al., 2020))よりも10倍以上高速である。
論文 参考訳（メタデータ） (2020-07-22T17:51:31Z) - A DICOM Framework for Machine Learning Pipelines against Real-Time
Radiology Images [50.222197963803644]
Nifflerは、研究クラスタでの機械学習パイプラインの実行を可能にする統合フレームワークである。
ニフラーはDigital Imaging and Communications in Medicine (DICOM)プロトコルを使用して画像データの取得と保存を行っている。
我々は,そのアーキテクチャと3つのユースケースを提示する: リアルタイムに画像から下大静脈フィルターを検出すること,スキャナ利用の同定,およびスキャナクロックの校正。
論文 参考訳（メタデータ） (2020-04-16T21:06:49Z)
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。