論文の概要: rNCA: Self-Repairing Segmentation Masks

• arxiv url: http://arxiv.org/abs/2512.13397v1
• Date: Mon, 15 Dec 2025 14:49:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.704563
• Title: rNCA: Self-Repairing Segmentation Masks
• Title（参考訳）: rNCA: 自己修復セグメンテーションマスク
• Authors: Malte Silbernagel, Albert Alonso, Jens Petersen, Bulat Ibragimov, Marleen de Bruijne, Madeleine K. Wyburd,
• Abstract要約: 神経細胞性オートマタ (NCA) は, 有効改質機構として再利用できることを示す。 NCAは、ローカル情報にのみ依存しながら、ターゲット形状の構造的特性を学習する。 本研究では,異なる基底分割モデルとタスクによって生じる共通位相誤差を修復するために,改良NAAをいかに容易に適用できるかを示す。
• 参考スコア（独自算出の注目度）: 6.124047453340393
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurately predicting topologically correct masks remains a difficult task for general segmentation models, which often produce fragmented or disconnected outputs. Fixing these artifacts typically requires hand-crafted refinement rules or architectures specialized to a particular task. Here, we show that Neural Cellular Automata (NCA) can be directly re-purposed as an effective refinement mechanism, using local, iterative updates guided by image context to repair segmentation masks. By training on imperfect masks and ground truths, the automaton learns the structural properties of the target shape while relying solely on local information. When applied to coarse, globally predicted masks, the learned dynamics progressively reconnect broken regions, prune loose fragments and converge towards stable, topologically consistent results. We show how refinement NCA (rNCA) can be easily applied to repair common topological errors produced by different base segmentation models and tasks: for fragmented retinal vessels, it yields 2-3% gains in Dice/clDice and improves Betti errors, reducing $β_0$ errors by 60% and $β_1$ by 20%; for myocardium, it repairs 61.5% of broken cases in a zero-shot setting while lowering ASSD and HD by 19% and 16%, respectively. This showcases NCA as effective and broadly applicable refiners.
• Abstract（参考訳）: 位相的に正しいマスクを正確に予測することは、しばしば断片化されたあるいは切断された出力を生成する一般的なセグメンテーションモデルにとって難しい課題である。 これらのアーティファクトを修正するには、通常、特定のタスクに特化した手作りの精細化ルールやアーキテクチャが必要となる。 本稿では, 局所的反復的更新を画像コンテキストでガイドし, セグメンテーションマスクを修復することにより, NCA(Neural Cellular Automata)を有効改質機構として直接利用できることを示す。 不完全なマスクと地上の真実を訓練することにより、オートマトンは、ローカル情報のみに依存することなく、対象の形状の構造的特性を学習する。 粗い、世界規模で予測されるマスクに適用すると、学習されたダイナミクスは壊れた領域を徐々に再接続し、緩い断片を産み、安定で位相的に一貫した結果へと収束する。 細分化網膜血管ではDice/clDiceが2-3%増加し、ベッチエラーが改善し、β_0$エラーが60%減少し、β_1$エラーが20%減少し、心筋ではASSDとHDが19%低下し、破壊症例の61.5%がゼロショット設定で修復された。 これは、NAAを効果的で広く適用可能な精錬機として紹介する。

関連論文リスト

• Noise & pattern: identity-anchored Tikhonov regularization for robust structural anomaly detection [58.535473924035365]
  異常検出は自動産業検査において重要な役割を担い、他の均一な視覚パターンの微妙な欠陥や稀な欠陥を識別することを目的としている。 自己教師型オートエンコーダを用いて, 破損した入力の修復を学習する構造的異常検出に取り組む。 構造欠陥を模倣した画像に人工的破壊を注入する汚職モデルを導入する。
  論文  参考訳（メタデータ） (2025-11-10T15:48:50Z)
• Resource-efficient Automatic Refinement of Segmentations via Weak Supervision from Light Feedback [1.8082075562656847]
  SCOREは、トレーニング中の光フィードバックのみを用いてマスク予測を洗練することを学ぶ弱教師付きフレームワークである。 上腕骨CTスキャンにおいてSCOREを実証し、初期予測を大幅に改善し、既存の精錬法と同等の性能を達成する。
  論文  参考訳（メタデータ） (2025-11-04T13:53:10Z)
• SINDER: Repairing the Singular Defects of DINOv2 [61.98878352956125]
  大規模なデータセットでトレーニングされたビジョントランスフォーマーモデルは、抽出したパッチトークンにアーティファクトを表示することが多い。 本稿では,小さなデータセットのみを用いて構造欠陥を補正するスムーズなスムーズな正規化を提案する。
  論文  参考訳（メタデータ） (2024-07-23T20:34:23Z)
• IterMask2: Iterative Unsupervised Anomaly Segmentation via Spatial and Frequency Masking for Brain Lesions in MRI [13.403122193463348]
  病理セグメント化に対する教師なし異常セグメンテーションアプローチは、健康な被験者の画像に基づいてモデルを訓練する。 正常な」トレーニングデータから逸脱するパターンを示すため、新しい画像にどの病理も「異常」として分類することを目指している。 本稿では,この問題を緩和するために,新しい空間マスク修復戦略であるIterMask2を提案する。
  論文  参考訳（メタデータ） (2024-06-04T15:39:49Z)
• Learning an Invertible Output Mapping Can Mitigate Simplicity Bias in Neural Networks [66.76034024335833]
  バックボーンによって多様・複雑な特徴が学習される理由を考察し、その脆さは、主に最も単純な特徴に依存する線形分類ヘッドによるものである。 本稿では,学習した特徴がログから復元可能であることを保証するために,特徴再構成正則化器(FRR)を提案する。 我々は、最近導入された極端分布シフトを持つ半合成データセットにおいて、OOD精度が最大15%向上することを示した。
  論文  参考訳（メタデータ） (2022-10-04T04:01:15Z)
• Counterbalancing Teacher: Regularizing Batch Normalized Models for Robustness [15.395021925719817]
  バッチ正規化(BN)は、より精度の高い収束を加速するディープニューラルネットワークのトレーニング技術である。 BNは、トレーニング(ドメイン内)データに非常に依存する低分散機能に依存してモデルにインセンティブを与えることを示す。 本稿では,学生ネットワークの頑健な表現の学習を強制するために,反バランス教師(CT)を提案する。
  論文  参考訳（メタデータ） (2022-07-04T16:16:24Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• Divide-and-Assemble: Learning Block-wise Memory for Unsupervised Anomaly Detection [40.778313918994996]
  再構成に基づく手法は、画像の教師なし異常検出において重要な役割を果たす。 本研究では,画像の再構成を分割組立手順として解釈する。 我々は、挑戦的なMVTec ADデータセット上で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-07-28T01:14:32Z)
• Group Whitening: Balancing Learning Efficiency and Representational Capacity [98.52552448012598]
  グループホワイトニング(GW)は、ホワイトニング操作の利点を活用し、ミニバッチ内での正規化の欠点を回避する。 我々は、GWが異なるアーキテクチャのパフォーマンスを継続的に改善し、絶対的なゲインが$1.02%$$sim$1.49%$のImageNet上のトップ1精度と$1.82%$$$sim$$21%$のバウンディングボックスAPのCOCO上のバウンディングボックスAPであることを示した。
  論文  参考訳（メタデータ） (2020-09-28T14:00:07Z)

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。