論文の概要: Mask Proposal Voting Based on Geodesic Framework for Robust Image Segmentation

• arxiv url: http://arxiv.org/abs/2606.14912v1
• Date: Fri, 12 Jun 2026 19:35:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:32.453852
• Title: Mask Proposal Voting Based on Geodesic Framework for Robust Image Segmentation
• Title（参考訳）: ロバスト画像分割のための測地フレームワークに基づくマスク提案投票
• Authors: Li Liu, Mingzhu Wang, Zhenjiang Li, Da Chen, Laurent D. Cohen,
• Abstract要約: 本稿では,従来のアプローチの大きな欠点を克服する新しいマスク提案投票フレームワークを提案する。 提案手法は, 精度とロバスト性の両方において, 最先端のパスベースアプローチより一貫して優れる。
• 参考スコア（独自算出の注目度）: 16.52355334011826
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite great advances, finding accurate segmentation remains a challenging task, especially in scenarios with cluttered backgrounds, complex intensity variations and topology appearance. Minimal path models have exhibited their strong ability in addressing image segmentation tasks. However, the performance of minimal paths-based segmentation approaches is heavily influenced by model initialization, hence limiting their application scope in practice. In this work, we propose a novel mask proposal voting framework that overcomes the major drawback of classical approaches, allowing robust segmentation even in complicated scenarios. Firstly, we introduce an efficient method for constructing adaptive domain cuts as a constraint for initializing the region-based min-cut evolution, by which diverse and reliable mask proposal candidates can be generated, substantially increasing the possibility of accurately covering the objective region by these proposals. Secondly, we propose a new mask voting scheme to build a voting score map encoding the final segmentation information. In contrast to classical path voting methods, our model allows incorporating priors to assign different importance to each individual mask. As a consequence, the proposed segmentation model is capable of accurately delineating object boundaries under complex scenarios, and is insensitive to initialization. Experiments demonstrate that our method consistently outperforms state-of-the-art minimal path-based approaches in both accuracy and robustness.
• Abstract（参考訳）: 大きな進歩にもかかわらず、正確なセグメンテーションを見つけることは、特に散らかった背景、複雑な強度の変化、トポロジーの外観を持つシナリオでは難しい課題である。 最小経路モデルは、画像分割タスクに対処する強力な能力を示した。 しかし、最小パスベースのセグメンテーションアプローチの性能はモデル初期化の影響を強く受けており、実際にはアプリケーションの範囲を制限している。 本研究では,従来のアプローチの大きな欠点を克服し,複雑なシナリオにおいてもロバストなセグメンテーションを可能にする新しいマスク提案投票フレームワークを提案する。 まず,領域ベースミンカットの進化を初期化するための制約として,適応的な領域カットを構築するための効率的な手法を提案する。 次に,最終セグメンテーション情報を符号化した投票スコアマップを構築するための新しいマスク投票方式を提案する。 従来のパス投票方式とは対照的に,従来のモデルでは各マスクに異なる重要性を割り当てるプリミティブを組み込むことが可能である。 結果として、提案したセグメンテーションモデルは、複雑なシナリオ下でオブジェクト境界を正確に記述することができ、初期化に敏感である。 実験により,提案手法は精度とロバスト性の両方において,最先端のパスベースアプローチより一貫して優れていることが示された。

関連論文リスト

• ModuSeg: Decoupling Object Discovery and Semantic Retrieval for Training-Free Weakly Supervised Segmentation [8.671473711194741]
  弱教師付きセマンティックセグメンテーションは、画像レベルのラベルを用いてピクセルレベルの予測を実現することを目的としている。 我々は、オブジェクト発見と意味代入を明確に分離することに焦点を当てた、トレーニング不要な弱教師付きセマンティックセマンティックセマンティクスフレームワークであるModuSegを紹介する。
  論文  参考訳（メタデータ） (2026-04-08T12:38:07Z)
• Selective Masking based Self-Supervised Learning for Image Semantic Segmentation [3.2190659800523562]
  提案手法は従来のランダムマスキング法よりも優れており,下流のセグメンテーション精度に基づいてImageNetを事前訓練する。 提案する選択的マスキング画像再構成法は,エンドツーエンドのセマンティックセマンティックセグメンテーションを改善するために,効果的かつ実用的なソリューションを提供する。
  論文  参考訳（メタデータ） (2025-12-07T20:21:26Z)
• MaskAttn-UNet: A Mask Attention-Driven Framework for Universal Low-Resolution Image Segmentation [5.130440339897479]
  MaskAttn-UNetはマスクアテンション機構を通じて従来のU-Netアーキテクチャを強化する新しいセグメンテーションフレームワークである。 本モデルでは,無関係な背景を抑えながら重要な領域を選択的に強調し,乱れや複雑なシーンのセグメンテーション精度を向上させる。 以上の結果から,MaskAttn-UNetは変圧器モデルよりも計算コストが大幅に低く,最先端の手法に匹敵する精度を達成できた。
  論文  参考訳（メタデータ） (2025-03-11T22:43:26Z)
• Denoising Diffusion Semantic Segmentation with Mask Prior Modeling [61.73352242029671]
  本稿では,従来の識別的アプローチのセマンティックセグメンテーション品質を,デノナイズ拡散生成モデルでモデル化したマスクを用いて改善することを提案する。 市販セグメンタを用いた先行モデルの評価を行い,ADE20KとCityscapesの実験結果から,本手法が競争力のある定量的性能を実現することを示す。
  論文  参考訳（メタデータ） (2023-06-02T17:47:01Z)
• Per-Pixel Classification is Not All You Need for Semantic Segmentation [184.2905747595058]
  マスク分類はセマンティックレベルのセグメンテーションタスクとインスタンスレベルのセグメンテーションタスクの両方を解くのに十分一般的である。 マスクの集合を予測する単純なマスク分類モデルであるMaskFormerを提案する。 提案手法は,現在の最先端セマンティック(ADE20Kでは55.6 mIoU)とパノプティックセグメンテーション(COCOでは52.7 PQ)モデルの両方に優れる。
  論文  参考訳（メタデータ） (2021-07-13T17:59:50Z)
• BoundarySqueeze: Image Segmentation as Boundary Squeezing [104.43159799559464]
  本研究では,オブジェクトとシーンの微細な高画質画像分割のための新しい手法を提案する。 形態素画像処理技術による拡張と浸食に着想を得て,画素レベルのセグメンテーション問題をスクイーズ対象境界として扱う。 提案手法は,COCO,Cityscapesのインスタンス・セグメンテーション・セグメンテーション・セグメンテーションにおいて大きく向上し,同一条件下での精度・速度ともに従来のPointRendよりも優れていた。
  論文  参考訳（メタデータ） (2021-05-25T04:58:51Z)
• Mixup-CAM: Weakly-supervised Semantic Segmentation via Uncertainty Regularization [73.03956876752868]
  我々は、ネットワークがオブジェクトの他の部分に注意を払うことを可能にする、原則的でエンドツーエンドのトレーニング可能なフレームワークを提案する。 具体的には、ミックスアップデータ拡張方式を分類ネットワークに導入し、2つの不確実な正規化項を設計し、ミックスアップ戦略をよりよく扱う。
  論文  参考訳（メタデータ） (2020-08-03T21:19:08Z)
• LevelSet R-CNN: A Deep Variational Method for Instance Segmentation [79.20048372891935]
  現在、多くのアートモデルはMask R-CNNフレームワークに基づいている。 本稿では,両世界の長所を結合したR-CNNを提案する。 我々はCOCOおよびCityscapesデータセットに対するアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2020-07-30T17:52:18Z)

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。