論文の概要: Motion-guided sparse correction enables expert-quality point tracking across diverse microscopy regimes
- arxiv url: http://arxiv.org/abs/2605.29220v1
- Date: Thu, 28 May 2026 01:11:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-30 02:45:55.577067
- Title: Motion-guided sparse correction enables expert-quality point tracking across diverse microscopy regimes
- Title（参考訳）: 運動誘導スパース補正は、様々な顕微鏡系における専門家品質点追跡を可能にする
- Authors: Leonidas Zimianitis, Pasindu Thenahandi, Kai Buckhalter, Dineth Jayakody, Julian O. Kimura, Xinyue Liang, Karen Cunningham, Azeem Ahmad, Balpreet S. Ahluwalia, Sampath Jayarathna, Nikos Chrisochoides, Brandon Weissbourd, Dushan N. Wadduwage,
- Abstract要約: RIPPLEはアノテーションをスパース修正として再キャストし、完全なトラジェクトリを提案し、ユーザはトラジェクトリがドリフトする場所でのみ介入する。
実験室からの5つの挑戦的な顕微鏡データを用いてRIPPLEを試験した。
- 参考スコア（独自算出の注目度）: 4.403469826970588
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Tracking the dynamics of non-canonical biological systems in microscopy videos remains a persistent challenge. Both classical and learning-based trackers depend on expert-reviewed data to be evaluated and adapted, yet exhaustive manual annotation rarely scales to the videos where these tools are needed most. We developed RIPPLE (Refinement Interpolation Platform for Point Location Estimation), which recasts annotation as sparse correction: a user clicks a starting point, RIPPLE proposes a full trajectory, and the user intervenes only where the trajectory drifts. We tested RIPPLE on five challenging microscopy datasets from our laboratories, four from the transparent jellyfish Clytia hemisphaerica and one tracking landmarks on rapidly moving sperm. Across these, RIPPLE matched the quality of exhaustive manual annotation while reducing manual clicks by 3 to 25 times across datasets. RIPPLE thereby fills a missing layer between manual annotation and fully automated tracking, enabling immediate quantification of biological dynamics, method benchmarking, and the production of the gold-standard data needed to adapt future automated microscopy trackers.
- Abstract（参考訳）: 顕微鏡ビデオにおける非標準生物学的システムのダイナミクスの追跡は、依然として永続的な課題である。
古典的および学習ベースのトラッカーは、専門家がレビューしたデータに依存して評価し、適応するが、徹底的なマニュアルアノテーションは、これらのツールがもっとも必要とされているビデオにはほとんどスケールしない。
RIPPLE(Refinement Interpolation Platform for Point Location Estimation)を開発した。これはアノテーションをスパース修正として再キャストし、ユーザは開始点をクリックし、RIPPLEは完全な軌道を提案し、ユーザは軌道がドリフトする場所のみに介入する。
RIPPLEは、我々の研究室の5つの挑戦的な顕微鏡的データセット、透明なクラゲClytia hemisphaericaの4つ、速く動く精子のランドマークを追跡する1つでテストしました。
これらの全体にわたって、RIPPLEは、データセット間で手動クリックを3倍から25倍削減しながら、徹底的な手動アノテーションの品質にマッチした。
これにより、手動のアノテーションと完全に自動化されたトラッキングの間に欠けている層を埋め、生物学的ダイナミクスの即時定量化、メソッドベンチマーク、そして将来の自動顕微鏡トラッカーに対応するために必要な金標準データの生成を可能にする。
関連論文リスト
- Real-World Point Tracking with Verifier-Guided Pseudo-Labeling [57.82074913456958]
本稿では,トラッカー予測の信頼性を学習し,擬似ラベル生成を導くメタモデルである検証器を紹介する。
提案手法は,従来の自己学習手法よりも少ないデータを必要とする一方で,最先端の結果が得られる。
論文 参考訳（メタデータ） (2026-03-12T17:40:52Z) - Training-free Temporal Object Tracking in Surgical Videos [20.689670966095097]
腹腔鏡下胆嚢摘出術(LC)手術ビデオにおけるオンライン物体追跡のための新しいアプローチを提案する。
提案手法は,既存のデータセットに固有の,コストの高いピクセルレベルのアノテーションとラベルの不整合の課題に対処する。
論文 参考訳（メタデータ） (2026-03-08T23:09:16Z) - Segment Anything for Cell Tracking [2.0382881548515575]
タイムラプス顕微鏡画像のためのゼロショットセルトラッキングフレームワークを提案する。
完全教師なしのアプローチとして、我々の手法は特定のトレーニングデータセットからのバイアスに依存したり、受け継いだりしない。
提案手法は,2次元および大規模3次元タイムラプス顕微鏡ビデオにおける競合精度を実現する。
論文 参考訳（メタデータ） (2025-09-12T03:19:35Z) - Decoupled Spatio-Temporal Consistency Learning for Self-Supervised Tracking [12.910676293067231]
ボックスアノテーションを不要にするために,textbftrackerというセルフスーパービジョントラッキングフレームワークを提案する。
GOT10K, LaSOT, TrackingNetデータセットのAUC(AO)スコアが25.3%, 20.4%, 14.8%向上した。
論文 参考訳（メタデータ） (2025-07-29T09:04:03Z) - Learning to Track Any Points from Human Motion [55.831218129679144]
点追跡のための擬似ラベル付きトレーニングデータを生成する自動パイプラインを提案する。
AnthroTAPでトレーニングされた点追跡モデルは、TAP-Vidベンチマークで注釈付き最先端性能を達成する。
論文 参考訳（メタデータ） (2025-07-08T17:59:58Z) - Automated Multimodal Data Annotation via Calibration With Indoor
Positioning System [0.0]
本手法では,室内位置決めシステム(IPS)を用いて,点雲と画像の両方の正確な検出ラベルを生成する。
実験では、システムは人間のベースラインの261.8倍の速さで関心のあるオブジェクトに注釈を付ける。
論文 参考訳（メタデータ） (2023-12-06T16:54:24Z) - Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-09-21T15:00:31Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳（メタデータ） (2023-08-31T05:05:53Z) - Adaptive Siamese Tracking with a Compact Latent Network [219.38172719948048]
追跡タスクを分類に変換することで,シームズをベースとしたトラッカーを簡易化する直感的なビューを提供する。
そこで本研究では,視覚シミュレーションと実追跡例を用いて,詳細な解析を行う。
そこで我々は,古典的なSiamRPN++,SiamFC,SiamBANの3つのトラッカーを調整した。
論文 参考訳（メタデータ） (2023-02-02T08:06:02Z) - Semi-Automatic Data Annotation guided by Feature Space Projection [117.9296191012968]
本稿では,適切な特徴空間投影と半教師付きラベル推定に基づく半自動データアノテーション手法を提案する。
MNISTデータセットとヒト腸内寄生虫の胎児不純物の有無による画像を用いて本手法の有効性を検証した。
この結果から,人間と機械の相補的能力を組み合わせた視覚分析ツールの付加価値が,より効果的な機械学習に有効であることが示唆された。
論文 参考訳（メタデータ） (2020-07-27T17:03:50Z)
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。