論文の概要: Superpixel-Based Image Segmentation Using Squared 2-Wasserstein Distances
- arxiv url: http://arxiv.org/abs/2601.17071v1
- Date: Thu, 22 Jan 2026 22:24:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-27 15:23:07.193676
- Title: Superpixel-Based Image Segmentation Using Squared 2-Wasserstein Distances
- Title（参考訳）: 正方形2-ワッサースタイン距離を用いた超画素画像分割
- Authors: Jisui Huang, Andreas Alpers, Ke Chen, Na Lei,
- Abstract要約: 強い不均一性の存在下で画像分割を効果的に行う方法を提案する。
スーパーピクセルは、線形最小二乗代入問題によってまずスーパーピクセルにグループ化される。
これらのスーパーピクセルは、経験的分布の間の2-ワッサーシュタイン距離を用いて、優雅にオブジェクトレベルセグメントにマージされる。
- 参考スコア（独自算出の注目度）: 11.580076885777151
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present an efficient method for image segmentation in the presence of strong inhomogeneities. The approach can be interpreted as a two-level clustering procedure: pixels are first grouped into superpixels via a linear least-squares assignment problem, which can be viewed as a special case of a discrete optimal transport (OT) problem, and these superpixels are subsequently greedily merged into object-level segments using the squared 2-Wasserstein distance between their empirical distributions. In contrast to conventional superpixel merging strategies based on mean-color distances, our framework employs a distributional OT distance, yielding a mathematically unified formulation across both clustering levels. Numerical experiments demonstrate that this perspective leads to improved segmentation accuracy on challenging images while retaining high computational efficiency.
- Abstract（参考訳）: 強い不均一性の存在下で画像分割を効果的に行う方法を提案する。
このアプローチは2段階のクラスタリング手順として解釈できる: ピクセルはまず線形最小二乗代入問題によってスーパーピクセルにグループ化され、これは離散的最適輸送(OT)問題の特別な場合と見なされる。
平均色距離に基づく従来のスーパーピクセルマージ戦略とは対照的に、我々のフレームワークは分布OT距離を用いており、両方のクラスタリングレベルに数学的に統一された定式化をもたらす。
数値実験により、この視点は高い計算効率を維持しながら、挑戦的な画像のセグメンテーション精度を向上させることが示されている。
関連論文リスト
- Joint Superpixel and Self-Representation Learning for Scalable Hyperspectral Image Clustering [42.598744707088535]
サブスペースクラスタリングは、ハイパースペクトル画像(HSI)解析のための強力な教師なしアプローチである。
スーパーピクセルセグメンテーションは、処理するデータポイントの数を減らすことで効率を向上させることができる。
本稿では,スーパーピクセルセグメンテーションとサブスペースクラスタリングを協調的に最適化する統合エンドツーエンドフレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-28T18:42:48Z) - Superpixel Graph Contrastive Clustering with Semantic-Invariant Augmentations for Hyperspectral Images [73.01141916544103]
ハイパースペクトル画像(HSI)クラスタリングは重要な課題だが難しい課題である。
まず3次元と2次元のハイブリッド畳み込みニューラルネットワークを用いてHSIの高次空間およびスペクトルの特徴を抽出する。
次に,超画素グラフの対比クラスタリングモデルを設計し,識別的超画素表現を学習する。
論文 参考訳（メタデータ） (2024-03-04T07:40:55Z) - Superpixel-guided Discriminative Low-rank Representation of
Hyperspectral Images for Classification [49.32130776974202]
SP-DLRRは2つのモジュール、すなわち分類誘導スーパーピクセルセグメンテーションと識別低ランク表現で構成されている。
3つのベンチマークデータセットの実験結果から,SP-DLRRが最先端手法よりも有意な優位性を示した。
論文 参考訳（メタデータ） (2021-08-25T10:47:26Z) - AINet: Association Implantation for Superpixel Segmentation [82.21559299694555]
今回提案する新しいtextbfAssociation textbfImplantation(AI)モジュールは、ネットワークがピクセルとその周辺グリッド間の関係を明示的にキャプチャすることを可能にする。
本手法は最先端性能を実現するだけでなく,十分な推論効率を維持することができた。
論文 参考訳（メタデータ） (2021-01-26T10:40:13Z) - Superpixel Segmentation Based on Spatially Constrained Subspace
Clustering [57.76302397774641]
独立意味情報を持つ各代表領域を部分空間とみなし,部分空間クラスタリング問題としてスーパーピクセルセグメンテーションを定式化する。
従来のサブスペースクラスタリングとスーパーピクセルセグメンテーションの簡単な統合は,画素の空間相関のために効果的に機能しないことを示す。
本稿では,空間隣接画素に類似の属性を付加してスーパーピクセルにクラスタリング可能な,凸局所性制約付きサブスペースクラスタリングモデルを提案する。
論文 参考訳（メタデータ） (2020-12-11T06:18:36Z) - Superpixel Based Graph Laplacian Regularization for Sparse Hyperspectral
Unmixing [1.14219428942199]
画像境界を考慮した超画素分割アルゴリズムを用いて同質領域を抽出する。
まず、各スーパーピクセルの重み付きグラフを、各スーパーピクセルで$K$-nearest ピクセルを選択して構築する。
グラフラプラシア正規化を用いて空間的類似性を検討した。
論文 参考訳（メタデータ） (2020-07-28T07:30:50Z) - ITSELF: Iterative Saliency Estimation fLexible Framework [68.8204255655161]
機密度オブジェクト検出は、画像で最も顕著なオブジェクトを推定する。
我々は,ユーザ定義の仮定をモデルに追加できる,スーパーピクセルベースのITELF(ITSELF)を提案する。
ITSELFを5つのメトリクスと6つのデータセットで2つの最先端の精度推定器と比較する。
論文 参考訳（メタデータ） (2020-06-30T16:51:31Z) - Robust superpixels using color and contour features along linear path [5.746869663956391]
リニアパス(SCALP)を用いた輪郭アヒーレンス付き高精度で正規なスーパーピクセルを提供するフレームワークを提案する。
また、画素をスーパーピクセルに関連付ける際に、画像境界の交差を防止するために、輪郭前も使用される。
SCALPは、標準セグメンテーションデータセット上で広範囲に評価され、得られた結果は最先端の手法よりも優れている。
論文 参考訳（メタデータ） (2019-03-17T23:00:13Z) - SCALP: Superpixels with Contour Adherence using Linear Path [5.746869663956391]
本稿では,反復クラスタリングフレームワークにおける線形パス (SCALP) を用いたコントラルアジェンスを用いたスーパーピクセルの高速計算法を提案する。
提案したフレームワークは、輪郭の輪郭に固執するコンパクトでスーパーピクセルを生成する。
論文 参考訳（メタデータ） (2019-03-17T19:23:00Z)
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。