論文の概要: LithoSeg: A Coarse-to-Fine Framework for High-Precision Lithography Segmentation

• arxiv url: http://arxiv.org/abs/2511.12005v1
• Date: Sat, 15 Nov 2025 02:58:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:23.500359
• Title: LithoSeg: A Coarse-to-Fine Framework for High-Precision Lithography Segmentation
• Title（参考訳）: LithoSeg: 高精度リソグラフィセグメンテーションのための粗大なフレームワーク
• Authors: Xinyu He, Botong Zhao, Bingbing Li, Shujing Lyu, Jiwei Shen, Yue Lu,
• Abstract要約: リソグラフィセグメンテーションに適した粗大なネットワークLithoSegを提案する。 粗い段階では、最小限の監督力で堅牢性を実現するために、SAM(Segment Anything Model)のためのHuman-in-the-Loopブートストラップ方式を導入する。 その後の微粒化では、粗いマスクを用いて溝幅プロファイルをサンプリングすることにより、2次元分割を1次元回帰問題として再キャストする。
• 参考スコア（独自算出の注目度）: 21.180887723277362
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Accurate segmentation and measurement of lithography scanning electron microscope (SEM) images are crucial for ensuring precise process control, optimizing device performance, and advancing semiconductor manufacturing yield. Lithography segmentation requires pixel-level delineation of groove contours and consistent performance across diverse pattern geometries and process window. However, existing methods often lack the necessary precision and robustness, limiting their practical applicability. To overcome this challenge, we propose LithoSeg, a coarse-to-fine network tailored for lithography segmentation. In the coarse stage, we introduce a Human-in-the-Loop Bootstrapping scheme for the Segment Anything Model (SAM) to attain robustness with minimal supervision. In the subsequent fine stage, we recast 2D segmentation as 1D regression problem by sampling groove-normal profiles using the coarse mask and performing point-wise refinement with a lightweight MLP. LithoSeg outperforms previous approaches in both segmentation accuracy and metrology precision while requiring less supervision, offering promising prospects for real-world applications.
• Abstract（参考訳）: リソグラフィー走査型電子顕微鏡(SEM)画像の正確なセグメンテーションと測定は、正確なプロセス制御、デバイス性能の最適化、半導体製造効率の向上に不可欠である。 リソグラフィーのセグメンテーションには、溝の輪郭の画素レベルのデライン化と、多様なパターンのジオメトリとプロセスウィンドウ間の一貫した性能が必要である。 しかし、既存の手法は必要な精度と堅牢性を欠くことが多く、実用性に限界がある。 この課題を克服するために,リソグラフィセグメンテーションに適した粗大なネットワークLithoSegを提案する。 粗い段階では、最小限の監督力で堅牢性を実現するために、SAM(Segment Anything Model)のためのHuman-in-the-Loop Bootstrappingスキームを導入する。 次に, 粗いマスクを用いて溝正規分布をサンプリングし, 軽量MLPを用いてポイントワイズ処理を行うことにより, 2次元セグメント化を1次元回帰問題として再検討した。 LithoSegは、セグメンテーションの精度と気象学の精度の両方で従来のアプローチより優れており、監督の必要は少なく、現実世界のアプリケーションには有望な見込みがある。

関連論文リスト

• LamiGauss: Pitching Radiative Gaussian for Sparse-View X-ray Laminography Reconstruction [27.301249008852768]
  X線CT(Computerd Laminography, CL)は, マイクロチップや複合電池材料の板状構造物の非破壊検査に必須である。 本稿では,ガウス散乱放射化と専用検出器-世界変換モデルを組み合わせた再構成アルゴリズムLamiGaussを提案する。 提案手法はスパースプロジェクションから直接効率よく最適化し,限られたデータによる高精度かつ効率的な再構成を可能にする。
  論文  参考訳（メタデータ） (2025-09-17T09:53:47Z)
• Shape Prior Segmentation Guided by Harmonic Beltrami Signature [0.30693357740321775]
  本稿では,HBS(Harmonic Beltrami Signature)によって導かれる新しい形状先行分割法を提案する。 提案手法は,HBSを準コンフォーマルなトポロジー保存セグメンテーションフレームワークに統合する。 合成および実世界の画像の実験は、ベースラインよりもセグメンテーション精度を向上させる方法の能力を検証する。
  論文  参考訳（メタデータ） (2024-07-05T08:59:34Z)
• EdgeFusion: On-Device Text-to-Image Generation [3.3345550849564836]
  我々はテキスト・ツー・イメージ生成のためのコンパクトSD変種BK-SDMを開発した。 我々は、リソース制限エッジデバイス上で1秒未満のレイテンシで、わずか2ステップで、フォトリアリスティックなテキスト整列画像の高速生成を実現する。
  論文  参考訳（メタデータ） (2024-04-18T06:02:54Z)
• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• Towards Accurate Guided Diffusion Sampling through Symplectic Adjoint Method [110.9458914721516]
  本研究では,2つの段階の勾配誘導を算出したSymphlectic Adjoint Guidance (SAG)を提案する。 SAGは、ガイド画像およびビデオ生成タスクのベースラインと比較して画質の高い画像を生成する。
  論文  参考訳（メタデータ） (2023-12-19T10:30:31Z)
• Maximize to Explore: One Objective Function Fusing Estimation, Planning, and Exploration [87.53543137162488]
  我々はtextttMEX というオンライン強化学習(オンラインRL)フレームワークを提案する。 textttMEXは、自動的に探索エクスプロイトのバランスをとりながら、見積もりと計画コンポーネントを統合する。 様々な MuJoCo 環境では,ベースラインを安定的なマージンで上回り,十分な報酬を得られる。
  論文  参考訳（メタデータ） (2023-05-29T17:25:26Z)
• Surrogate Lagrangian Relaxation: A Path To Retrain-free Deep Neural Network Pruning [9.33753001494221]
  ネットワークプルーニングは、ディープニューラルネットワークの計算コストとモデルサイズの削減に広く用いられている手法である。 本稿では,サロゲートラグランジアン緩和に基づく体系的な重み付け最適化手法を開発する。
  論文  参考訳（メタデータ） (2023-04-08T22:48:30Z)
• IDEAL: Improved DEnse locAL Contrastive Learning for Semi-Supervised Medical Image Segmentation [3.6748639131154315]
  我々は,メートル法学習の概念をセグメンテーションタスクに拡張する。 本稿では,高密度画素レベルの特徴量を得るための単純な畳み込みプロジェクションヘッドを提案する。 下流タスクに対して,2ストリーム正規化トレーニングを含む双方向正規化機構を考案した。
  論文  参考訳（メタデータ） (2022-10-26T23:11:02Z)
• Generic Lithography Modeling with Dual-band Optics-Inspired Neural Networks [52.200624127512874]
  我々は、リソグラフィの基礎となる光学物理を考慮に入れたデュアルバンド光インスパイアされたニューラルネットワーク設計を導入する。 提案手法は, タイルサイズが1nm2/ピクセル解像度で最初に公表された金属/金属層輪郭シミュレーションである。 また,従来のリソグラフィーシミュレータよりも精度1%の精度で85倍の高速化を実現した。
  論文  参考訳（メタデータ） (2022-03-12T08:08:50Z)
• High Quality Segmentation for Ultra High-resolution Images [72.97958314291648]
  超高分解能セグメンテーション精錬作業のための連続精細モデルを提案する。 提案手法は画像分割精細化において高速かつ効果的である。
  論文  参考訳（メタデータ） (2021-11-29T11:53:06Z)

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。