論文の概要: Redefining Instance Matching: A Unified Framework for Part-Aware Matching in Panoptic Segmentation Evaluation

• arxiv url: http://arxiv.org/abs/2605.31094v1
• Date: Fri, 29 May 2026 10:04:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.526425
• Title: Redefining Instance Matching: A Unified Framework for Part-Aware Matching in Panoptic Segmentation Evaluation
• Title（参考訳）: インスタンスマッチングを再定義する: 分割評価における部分認識マッチングのための統一フレームワーク
• Abstract要約: セグメントマッチングを制約付き二部割当て問題として再放送する。 このフレームワークは自然に部分認識型パノプティクスセグメンテーションに拡張されている。 Panoptica上に構築された統一オープンソースパッケージをリリースする。
• 参考スコア（独自算出の注目度）: 4.312173899947468
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Panoptic Quality (PQ) metric is the standard for jointly evaluating instance and semantic segmentation. However, its original definition relies on a One-to-One matching between predicted and ground truth segments, which is only straightforward when the IoU threshold exceeds 0.5. Below 0.5, multiple matching strategies emerge in a poorly explored problem space. We systematically elucidate this space by recasting segment matching as a constrained bipartite assignment problem. Independently bounding the prediction- and ground-truth-side degrees yields four matching strategies: One-to-One, Many-to-One, One-to-Many, and Many-to-Many. We show that the first three are well-defined within the PQ framework, while Many-to-Many falls outside it. These strategies become relevant when instances are fragmented, adjacent objects are difficult to delineate, or annotations are noisy. Central to our framework is a vertex-based accounting of TP, FN, and FP, anchored to ground truth and predicted segments rather than to matching edges. We further show that the framework extends naturally to part-aware panoptic segmentation, and we explore part-aware evaluation on biomedical data. Across configurable case studies we report how different combinations of thresholds and matching strategies behave in practice. We release a unified open-source package built on Panoptica. It exposes Voronoi-based region-wise analysis, part-aware evaluation, and Area Under Threshold Curve computations as configurable options.
• Abstract（参考訳）: Panoptic Quality(PQ)メトリックは、インスタンスとセマンティックセグメンテーションを共同で評価するための標準である。 しかし、当初の定義では、予測された真理区間と地上の真理区間との1対1のマッチングに依存しており、これはIoU閾値が0.5を超える場合にのみ単純である。 0.5以下では、探索の不十分な問題空間に複数のマッチング戦略が出現する。 我々は,セグメントマッチングを制約付き二部代入問題として再キャストすることで,この空間を体系的に解明する。 1対1、多対1、多対マニー、多対マニーの4つの一致した戦略が得られる。 最初の3つはPQフレームワーク内で十分に定義されているのに対して、Manage-to-Manyはその外にあります。 これらの戦略は、インスタンスの断片化、隣のオブジェクトのデライン化が難しい、あるいはアノテーションがうるさいといった場合に重要になる。 我々のフレームワークの中心は、TP、FN、FPの頂点ベースの会計であり、一致したエッジではなく、真実と予測されたセグメントに固定されている。 さらに,本フレームワークは自然に部分認識型汎視的セグメンテーションに拡張され,生体データに対する部分認識評価が検討されている。 構成可能なケーススタディ全体にわたって、しきい値とマッチング戦略の異なる組み合わせが実際にどのように振る舞うかを報告します。 Panoptica上に構築された統一オープンソースパッケージをリリースする。 設定可能なオプションとして、Voronoiベースのリージョン分析、部分認識評価、Area Under Threshold Curve計算が公開されている。

関連論文リスト

• MORI-Seg: Learning Morphological Geometry for Instance Segmentation without Instance Annotations [8.822301906283052]
  インスタンスレベルのアノテーションを必要とせずにインスタンスセグメンテーションを可能にするディープラーニングフレームワークである Mori-Seg を提案する。 モリセグは分割やインスタンス管理を行う代わりに、意味マスクから直接形態学的に認識された幾何学的表現を学ぶ。 Mori-Segはセマンティックのみの監視の下で、接続されたセマンティック領域をエンドツーエンドの方法で個別のインスタンスマスクに分解する。
  論文  参考訳（メタデータ） (2026-05-27T10:11:30Z)
• ClipTBP: Clip-Pair based Temporal Boundary Prediction with Boundary-Aware Learning for Moment Retrieval [56.989259812432]
  境界認識学習に基づくクリップペア時間境界予測フレームワークであるClipTBPを提案する。 我々は,ClipTBPが既存モデルに適用された場合,一貫した性能向上を実現し,あいまいなクエリシナリオにおいても,より堅牢な境界予測性能を示すことを示す。
  論文  参考訳（メタデータ） (2026-04-30T08:41:41Z)
• When F1 Fails: Granularity-Aware Evaluation for Dialogue Topic Segmentation [0.0]
  本稿では,ウィンドウ耐性F1(W-F1)とともに境界密度とセグメントアライメント診断(純度とカバレッジ)を報告する評価フレームワークを提案する。 境界選択から境界スコアを分離することにより, 1つの操作点ではなく, 密度レジーム間のセグメンテーション品質を評価する。
  論文  参考訳（メタデータ） (2025-12-18T21:29:43Z)
• Harnessing Group-Oriented Consistency Constraints for Semi-Supervised Semantic Segmentation in CdZnTe Semiconductors [71.44213719783703]
  ICAF(Intra-group Consistency Augmentation Framework)は、CdZnTe(Cadmium Zinc Telluride)半導体画像にラベルを付けるために開発された。 ICAF は View Augmentation Module (VAM) と View Correction Module (VCM) の2つの重要なモジュールで構成されている。 ICAFは、CdZnTeデータセット上の70.6% mIoUを2つのグループアノテートデータのみを用いて達成する。
  論文  参考訳（メタデータ） (2025-08-18T09:40:36Z)
• Split Matching for Inductive Zero-shot Semantic Segmentation [56.47556212515178]
  Zero-shot Semantic (ZSS)は、トレーニング中にアノテートされていないカテゴリをセグメントすることを目的としている。 ハンガリーのマッチングを2つのコンポーネントに分離する新しい割当て戦略であるSplit Matching (SM)を提案する。 SMは、インダクティブZSS設定の下で最初に分離されたハンガリー語マッチングを導入し、2つの標準ベンチマークで最先端のパフォーマンスを達成した。
  論文  参考訳（メタデータ） (2025-05-08T07:56:30Z)
• BAISeg: Boundary Assisted Weakly Supervised Instance Segmentation [9.6046915661065]
  インスタンスレベルの監視なしにインスタンスレベルのマスクを抽出する方法は、弱教師付きインスタンスセグメンテーション(WSIS)の主な課題である 人気のあるWSIS手法は、画素間関係の学習を通じて変位場(DF)を推定し、インスタンスを識別するためのクラスタリングを実行する。 本稿では,画素レベルのアノテーションでインスタンスセグメンテーションを実現するWSISの新しいパラダイムであるBundary-Assisted Instance(BAISeg)を提案する。
  論文  参考訳（メタデータ） (2024-05-27T15:14:09Z)
• Beyond the Prototype: Divide-and-conquer Proxies for Few-shot Segmentation [63.910211095033596]
  少ないショットのセグメンテーションは、少数の濃密なラベル付けされたサンプルのみを与えられた、目に見えないクラスオブジェクトをセグメンテーションすることを目的としている。 分割・分散の精神において, 単純かつ多目的な枠組みを提案する。 提案手法は、DCP(disvision-and-conquer proxies)と呼ばれるもので、適切な信頼性のある情報の開発を可能にする。
  論文  参考訳（メタデータ） (2022-04-21T06:21:14Z)
• Proposal-free Lidar Panoptic Segmentation with Pillar-level Affinity [10.378476897786571]
  セマンティックセグメンテーションとクラスに依存しないインスタンス分類を1つのネットワークで共同で最適化する。 nuScenesデータセットを用いた実験により,提案手法が従来の提案不要手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-04-19T08:39:37Z)
• PointFlow: Flowing Semantics Through Points for Aerial Image Segmentation [96.76882806139251]
  本論文では,FPN(Feature Pyramid Network)フレームワークに基づく点親和性伝播モジュールであるPointFlowを提案する。 密接な親和性学習ではなく、隣接する特徴間の選択された点にスパース親和性マップを生成する。 3つの異なる空中セグメンテーションデータセットの実験結果から,提案手法は最先端の汎用セグメンテーション法よりも効率的かつ効率的であることが示唆された。
  論文  参考訳（メタデータ） (2021-03-11T09:42:32Z)
• Deep Affinity Net: Instance Segmentation via Affinity [48.498706304017674]
  Deep Affinity Netは、グラフ分割アルゴリズムCascade-GAECを伴って、効果的なアフィニティベースのアプローチである。 すべてのアフィニティベースのモデルの中で、最高のシングルショット結果と最速のランニングタイムを達成する。 また、リージョンベースのMask R-CNNよりも優れています。
  論文  参考訳（メタデータ） (2020-03-15T15:22:56Z)

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。