Fugu-MT 論文翻訳(概要): Contextual Peano Scan and Fast Image Segmentation Using Hidden and Evidential Markov Chains

論文の概要: Contextual Peano Scan and Fast Image Segmentation Using Hidden and Evidential Markov Chains

arxiv url: http://arxiv.org/abs/2512.11939v1
Date: Fri, 12 Dec 2025 10:07:31 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-16 17:54:56.040202
Title: Contextual Peano Scan and Fast Image Segmentation Using Hidden and Evidential Markov Chains
Title（参考訳）: 隠れマルコフ連鎖を用いた文脈ピアノスキャンと高速画像分割
Authors: Clément Fernandes, Wojciech Pieczynski,
Abstract要約: Peano scan (PS) は、画像画素の2次元集合を一次元配列に変換するための確立された手法である。 PSは近ごろ文脈PSに拡張され、いくつかの実験で関連するHMCモデルの価値が示されている。 HEMC-CPSモデルについて,文脈的および明らかなHMCを同時に導入する。新しいHEMC-CPSモデルは、より複雑な画像のモデリングとセグメンテーションの可能性を示す。
参考スコア（独自算出の注目度）: 0.7901604416781477
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Transforming bi-dimensional sets of image pixels into mono-dimensional sequences with a Peano scan (PS) is an established technique enabling the use of hidden Markov chains (HMCs) for unsupervised image segmentation. Related Bayesian segmentation methods can compete with hidden Markov fields (HMFs)-based ones and are much faster. PS has recently been extended to the contextual PS, and some initial experiments have shown the value of the associated HMC model, denoted as HMC-CPS, in image segmentation. Moreover, HMCs have been extended to hidden evidential Markov chains (HEMCs), which are capable of improving HMC-based Bayesian segmentation. In this study, we introduce a new HEMC-CPS model by simultaneously considering contextual PS and evidential HMC. We show its effectiveness for Bayesian maximum posterior mode (MPM) segmentation using synthetic and real images. Segmentation is performed in an unsupervised manner, with parameters being estimated using the stochastic expectation--maximization (SEM) method. The new HEMC-CPS model presents potential for the modeling and segmentation of more complex images, such as three-dimensional or multi-sensor multi-resolution images. Finally, the HMC-CPS and HEMC-CPS models are not limited to image segmentation and could be used for any kind of spatially correlated data.
Abstract（参考訳）: 画像画素の2次元集合をペアノスキャン(PS)で一次元配列に変換することは、教師なし画像分割に隠れマルコフ連鎖(HMC)を使用できる確立された技術である。関連するベイズ分割法は隠れマルコフ場(HMF)ベースの手法と競合し、より高速である。近ごろ、PSは文脈PSに拡張され、いくつかの初期の実験では、画像セグメント化において、HMC-CPSと呼ばれる関連するHMCモデルの値が示されている。さらに、HMCは隠れマルコフ鎖(HEMC)に拡張され、HMCベースのベイズセグメンテーションを改善することができる。本研究では,文脈的PSと明らかなHMCを同時に考慮し,新たなHEMC-CPSモデルを提案する。合成画像と実画像を用いたベイズ最大後方モード(MPM)セグメンテーションの有効性を示す。セグメンテーションは教師なしの方法で行われ、パラメータは確率的予測-最大化(SEM)法を用いて推定される。新しいHEMC-CPSモデルは、3次元やマルチセンサーのマルチ解像度画像のような、より複雑な画像のモデリングとセグメンテーションの可能性を示す。最後に、HMC-CPSとHEMC-CPSモデルは画像分割に限らず、あらゆる空間相関データに使用できる。

関連論文リスト

Multimodal Prototype Alignment for Semi-supervised Pathology Image Segmentation [9.790130257265217]
MPAMatchは,マルチモーダルプロトタイプ誘導監視パラダイムの下で画素レベルのコントラスト学習を行う,新たなセグメンテーションフレームワークである。 MPAMatchの中核的な革新は、画像プロトタイプとピクセルラベル、およびテキストプロトタイプとピクセルラベルの間の二重コントラスト学習方式にある。さらに,ViTバックボーンを病理予知基盤モデル(Uni)に置き換えることで,古典的セグメンテーションアーキテクチャ(TransUNet)を再構築する。
論文参考訳（メタデータ） (2025-08-27T05:15:13Z)
FD-LSCIC: Frequency Decomposition-based Learned Screen Content Image Compression [67.34466255300339]
本稿では、SC画像圧縮における3つの重要な課題として、コンパクトな潜時特徴の学習、量子化ステップのサイズの適応、大規模なSCデータセットの欠如について述べる。適応量子化モジュールを導入し、各周波数成分のスケールした均一ノイズを学習し、量子化の粒度を柔軟に制御する。 SDU-SCICD10Kは,基本SC画像,コンピュータレンダリング画像,およびPCおよびモバイルプラットフォームからのNSとSCの混合画像にまたがる1万以上の画像を含む,大規模なSC画像圧縮データセットを構築した。
論文参考訳（メタデータ） (2025-02-21T03:15:16Z)
ShapeMamba-EM: Fine-Tuning Foundation Model with Local Shape Descriptors and Mamba Blocks for 3D EM Image Segmentation [49.42525661521625]
本稿では3次元EMセグメンテーションのための特殊微調整法であるShapeMamba-EMを提案する。 5つのセグメンテーションタスクと10のデータセットをカバーする、幅広いEMイメージでテストされている。
論文参考訳（メタデータ） (2024-08-26T08:59:22Z)
From Few to More: Scribble-based Medical Image Segmentation via Masked Context Modeling and Continuous Pseudo Labels [46.949484720513674]
医用画像分割のための弱教師付きモデルMaCoを提案する。我々は3つの公開データセット上でMaCoを評価し、他の弱い教師付き手法と比較した。
論文参考訳（メタデータ） (2024-08-23T03:19:20Z)
MM-UNet: A Mixed MLP Architecture for Improved Ophthalmic Image Segmentation [3.2846676620336632]
眼科画像分割は眼疾患の診断において重要な基礎となる。トランスフォーマーベースのモデルはこれらの制限に対処するが、かなりの計算オーバーヘッドをもたらす。本稿では,眼内画像分割に適したMixedモデルであるMM-UNetを紹介する。
論文参考訳（メタデータ） (2024-08-16T08:34:50Z)
CVFC: Attention-Based Cross-View Feature Consistency for Weakly Supervised Semantic Segmentation of Pathology Images [3.2128744424771725]
病理組織像分割はがんの診断における金の基準である。多くの研究が画像レベルのラベルを使用してピクセルレベルのセグメンテーションを実現し、微粒なアノテーションの必要性を減らしている。そこで本研究では,CVFC という疑似マスク生成フレームワークを提案する。
論文参考訳（メタデータ） (2023-08-21T03:50:09Z)
A kinetic approach to consensus-based segmentation of biomedical images [39.58317527488534]
バイオメディカルセグメンテーション問題に有界信頼度コンセンサスモデルの運動バージョンを適用した。システムの長時間の挙動は、代理のフォッカー・プランク法(英語版)の助けを借りて計算される。 2次元グレースケール画像の関連集合に対して導入されたセグメンテーション距離を最小化する。
論文参考訳（メタデータ） (2022-11-08T09:54:34Z)
Max Markov Chain [4.531240717484252]
我々は、高階マルコフ連鎖(HMC)の有用な部分集合に対する新しい表現であるMax Markov Chain(MMC)を紹介する。 MMCはHMCの表現性を保ちながら同義語である。我々は、MCCがモデリングプロセスにとって価値のある代替手段であり、多くの潜在的な応用があることを示します。
論文参考訳（メタデータ） (2022-11-02T21:50:54Z)
Inconsistency-aware Uncertainty Estimation for Semi-supervised Medical Image Segmentation [92.9634065964963]
我々は、不確実性推定と個別の自己学習戦略に基づいて、新しい半教師付きセグメンテーションモデル、すなわち保守的ラディカルネットワーク(CoraNet)を提案する。現在の技術と比較すると、ColaNetは優れたパフォーマンスを示しています。
論文参考訳（メタデータ） (2021-10-17T08:49:33Z)
Prototype Mixture Models for Few-shot Semantic Segmentation [50.866870384596446]
サポートやクエリ画像内のオブジェクトが外観やポーズで大きく異なる可能性があるため、ショットのセグメンテーションは難しい。プロトタイプベースセマンティック表現を強制するために,多種多様な画像領域と複数のプロトタイプとの相関関係を持つプロトタイプ混合モデル(PMMs)を提案する。 PMMはMS-COCOの5ショットセグメンテーション性能を最大5.82%改善し、モデルサイズと推論速度の適度なコストに留まった。
論文参考訳（メタデータ） (2020-08-10T04:33:17Z)
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。