Fugu-MT 論文翻訳(概要): Boundary-by-Mask: Few-Shot Instance Segmentation with Mask-Conditioned Boundary Learning for Texture-Poor Industrial Parts

論文の概要: Boundary-by-Mask: Few-Shot Instance Segmentation with Mask-Conditioned Boundary Learning for Texture-Poor Industrial Parts

arxiv url: http://arxiv.org/abs/2606.21594v1
Date: Fri, 19 Jun 2026 16:50:28 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-26 06:48:36.618097
Title: Boundary-by-Mask: Few-Shot Instance Segmentation with Mask-Conditioned Boundary Learning for Texture-Poor Industrial Parts
Title（参考訳）: コンテキスト・バイ・マスク: テクスチャ・ポーア産業部品のためのマスク・コンディション付き境界学習によるFew-Shotインスタンス・セグメンテーション
Authors: Yutaka Yoshinaga, Naoya Chiba, Koichi Hashimoto,
Abstract要約: 内部の外観ではなく境界を監督する数ショットのインスタンスセグメンテーションフレームワークであるBoundary-by-Maskを提案する。このフレームワークは、低均一面や色均一面でも信頼性の高いインスタンス分離を実現する。不明瞭な境界を持つ工業部品や食品の実験は、強力な数発の一般化、特徴量条件の堅牢性、マスクレベルの目標に対する精密な制御を示す。
参考スコア（独自算出の注目度）: 1.3873323883842137
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recent advances in large pre-trained models have led to remarkable progress in instance segmentation on general images. However, industrial scenarios remain challenging. Instance definitions are often application-specific and inconsistent, and the domain gap from general imagery is substantial due to weak textures and limited contextual cues. Consequently, a direct application of existing models is unreliable. We propose Boundary-by-Mask, a few-shot instance segmentation framework that supervises boundaries instead of interior appearance. Given a few RGB images and corresponding instance masks, the method extracts rich visual features using a foundation-model encoder and trains a lightweight Signed Distance Function (SDF) head to predict boundary-aware distance maps. Segmentation masks are obtained through an SDF-to-mask reconstruction process. By explicitly estimating contours, the framework achieves reliable instance separation even on low-texture and color-uniform surfaces. The instance definition is conditioned by the instance mask. Replacing the mask specifies the segmentation target, such as the whole object or a sub-part. A pixel-wise shallow MLP head enables rapid training. Experiments on industrial parts and food items with ambiguous boundaries show strong few-shot generalization, robustness in feature-poor conditions, and precise control over mask-level targets.
Abstract（参考訳）: 大規模事前学習モデルの最近の進歩は、一般的な画像上でのインスタンスセグメンテーションにおいて顕著な進歩をもたらした。しかし、産業シナリオは依然として困難なままである。インスタンス定義は、しばしばアプリケーション固有のもので一貫性がなく、一般的な画像とのドメインギャップは、弱いテクスチャと限られた文脈的手がかりのため、かなり大きい。したがって、既存のモデルの直接的な適用は信頼できない。内部の外観ではなく境界を監督する数ショットのインスタンスセグメンテーションフレームワークであるBoundary-by-Maskを提案する。基礎モデルエンコーダを用いてリッチな視覚特徴を抽出し,SDF(Signed Distance Function)ヘッドを訓練し,境界対応距離マップの予測を行う。 SDF-to-mask再構成プロセスによりセグメンテーションマスクを得る。輪郭を明示的に推定することにより、低テクスチャや色均一面でも信頼性の高いインスタンス分離を実現する。インスタンス定義はインスタンスマスクによって条件付けられます。マスクの置き換えは、オブジェクト全体やサブパーツなどのセグメンテーションターゲットを指定する。画素幅の浅いMLPヘッドは、迅速なトレーニングを可能にする。不明瞭な境界を持つ工業部品や食品の実験は、強力な数発の一般化、特徴量条件の堅牢性、マスクレベルの目標に対する精密な制御を示す。

関連論文リスト

From Pixels to Concepts: Do Segmentation Models Understand What They Segment? [26.89265297426196]
我々は,CAFE: textbfCounterfactual textbfAttribute textbfFactuality textbfEvaluationを紹介した。本ベンチマークでは,2,146対のサンプルを対象画像,接地トラスマスク,正のプロンプト,誤った負のプロンプトから構成した。
論文参考訳（メタデータ） (2026-05-10T15:07:17Z)
A Simple Latent Diffusion Approach for Panoptic Segmentation and Mask Inpainting [2.7563282688229664]
この研究は安定拡散の上に構築され、汎視的セグメンテーションに対する潜時拡散アプローチを提案する。トレーニングは,(1)部分分割マスクを潜伏空間に投影する浅層オートエンコーダの訓練,(2)潜伏空間における画像条件付きサンプリングを可能にする拡散モデルの訓練,の2段階からなる。
論文参考訳（メタデータ） (2024-01-18T18:59:19Z)
Discovering Object Masks with Transformers for Unsupervised Semantic Segmentation [75.00151934315967]
MaskDistillは教師なしセマンティックセグメンテーションのための新しいフレームワークである。我々のフレームワークは、低レベルの画像キューにラッチを付けず、オブジェクト中心のデータセットに限らない。
論文参考訳（メタデータ） (2022-06-13T17:59:43Z)
Layered Depth Refinement with Mask Guidance [61.10654666344419]
汎用マスクを用いてSIDEモデルの深度予測を洗練させるマスク誘導深度改善の新しい問題を定式化する。本フレームワークは,奥行きマップをマスクと逆マスクで表される2つの別々の層に分解し,層状改質・塗装・塗装を行う。本手法は,内面境界領域と外面境界領域の深度を正確に補正し,異なる種類のマスクや初期深度予測に対して堅牢であることを示す。
論文参考訳（メタデータ） (2022-06-07T06:42:44Z)
GANSeg: Learning to Segment by Unsupervised Hierarchical Image Generation [16.900404701997502]
本稿では,潜伏マスクに条件付き画像を生成するGANベースのアプローチを提案する。このようなマスク条件の画像生成は、マスクを階層的に条件付ける際に忠実に学習できることを示す。また、セグメンテーションネットワークをトレーニングするためのイメージマスクペアの生成も可能で、既存のベンチマークでは、最先端の教師なしセグメンテーションメソッドよりも優れています。
論文参考訳（メタデータ） (2021-12-02T07:57:56Z)
SOLO: A Simple Framework for Instance Segmentation [84.00519148562606]
インスタンスカテゴリ"は、インスタンスの場所に応じて、インスタンス内の各ピクセルにカテゴリを割り当てる。 SOLO"は、強力なパフォーマンスを備えたインスタンスセグメンテーションのための、シンプルで、直接的で、高速なフレームワークです。提案手法は, 高速化と精度の両面から, 実例分割の最先端結果を実現する。
論文参考訳（メタデータ） (2021-06-30T09:56:54Z)
RefineMask: Towards High-Quality Instance Segmentation with Fine-Grained Features [53.71163467683838]
RefineMaskは、オブジェクトやシーンの高品質なインスタンスセグメンテーションのための新しい方法です。インスタンス毎のセグメンテーションプロセス中に粒度の細かい機能を多段階的に組み込む。以前のほとんどのメソッドで過剰にスムースされたオブジェクトの曲がった部分のようなハードケースをセグメンテーションすることに成功します。
論文参考訳（メタデータ） (2021-04-17T15:09:20Z)
The Devil is in the Boundary: Exploiting Boundary Representation for Basis-based Instance Segmentation [85.153426159438]
本研究では,既存のグローバルマスクベースの手法を補完するグローバル境界表現を学習するために,Basisベースのインスタンス(B2Inst)を提案する。私たちのB2Instは一貫した改善をもたらし、シーン内のインスタンス境界を正確に解析します。
論文参考訳（メタデータ） (2020-11-26T11:26:06Z)
Instance Semantic Segmentation Benefits from Generative Adversarial Networks [13.295723883560122]
マスクの予測問題は,GANのゲームフレームワークとして定義する。セグメンテーションネットワークがマスクを生成し、識別ネットワークがマスクの品質を決定する。携帯電話のリサイクル,自動運転,大規模物体検出,医療用腺について報告する。
論文参考訳（メタデータ） (2020-10-26T17:47:30Z)
PointINS: Point-based Instance Segmentation [117.38579097923052]
POI(Point-of-Interest)機能によるインスタンスセグメンテーションにおけるマスク表現は、各インスタンスの高次元マスク機能を学ぶには、計算負荷が重いため、難しい。本稿では、このマスク表現学習タスクを2つの抽出可能なモジュールに分解するインスタンス認識畳み込みを提案する。インスタンス認識の畳み込みとともに、単純で実用的なインスタンスセグメンテーションアプローチであるPointINSを提案する。
論文参考訳（メタデータ） (2020-03-13T08:24:58Z)

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。