論文の概要: From level set evolution to threshold optimization: A grayscale level set framework for image segmentation

• arxiv url: http://arxiv.org/abs/2607.22255v1
• Date: Fri, 24 Jul 2026 12:37:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 20:58:57.125431
• Title: From level set evolution to threshold optimization: A grayscale level set framework for image segmentation
• Title（参考訳）: レベルセット進化からしきい値最適化:画像セグメンテーションのためのグレースケールレベルセットフレームワーク
• Abstract要約: 長さ項は、ある滑らかさの制約の下では必須ではないことを示し、理論上、長さ項の存在が$|nabla |=1$の性質に影響を与えることを証明している。 本稿では,高ノイズ画像や強度不均一画像などの劣化画像に対する高速セグメンテーションフレームワークを提案する。 このフレームワークはPDEの進化を1次元しきい値探索に変換する。
• 参考スコア（独自算出の注目度）: 1.3134513605107807
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The segmentation of multiple degradations has been a challenging problem in the field of image segmentation. Existing level set approaches commonly adopt a length regularization term to constrain the geometric shape of the segmentation contour. However, the introduction of the length term often results in numerical instability and high computational cost. In this paper, we show that the length term is not essential under certain smoothness constraints, and theoretically prove that the presence of the length term affects the property of $|\nabla φ|=1$. Based on the finding, we define a class of smooth images, construct the grayscale level set, and propose a fast segmentation framework for degraded images, such as heavily noisy images and intensity inhomogeneous images. The framework transforms PDE evolution into one-dimensional threshold search, which has significant advantages in computational speed, especially on large-scale images. Experiments validate the segmentation performance of the proposed framework on various degraded images.
• Abstract（参考訳）: 複数の劣化のセグメンテーションは、画像セグメンテーションの分野で難しい問題となっている。 既存のレベルセットアプローチでは、分割輪郭の幾何学的形状を制約する長さ正規化項が一般的である。 しかし、長さ項の導入は、しばしば数値不安定性と高い計算コストをもたらす。 本稿では,ある滑らかさ制約の下では長さ項は必須ではないことを示すとともに,長さ項の存在が$|\nabla φ|=1$の性質に影響を与えることを理論的に証明する。 この発見に基づいて、滑らかな画像のクラスを定義し、グレースケールのレベルセットを構築し、ノイズの多い画像や強度不均一な画像などの劣化画像に対する高速セグメンテーションフレームワークを提案する。 このフレームワークはPDEの進化を1次元のしきい値探索に変換する。 様々な劣化画像に基づいて,提案フレームワークのセグメンテーション性能を検証する実験を行った。

関連論文リスト

• Thinking in Scales: Accelerating Gigapixel Pathology Image Analysis via Adaptive Continuous Reasoning [52.41928980786654]
  スライド画像全体に対してトークン効率のよいスケール空間連続推論を可能にするPathCTMを提案する。 PathCTMは診断推論を動的逐次情報追跡として定式化する。 必要な画像パッチの数を95.95%削減し、推論時間を約95.62%短縮し、AUCを劣化せずに維持する。
  論文  参考訳（メタデータ） (2026-05-19T07:46:44Z)
• Binary-Gaussian: Compact and Progressive Representation for 3D Gaussian Segmentation [83.90109373769614]
  3D Gaussian Splatting (3D-GS)は効率的な3D表現として登場し、セグメンテーションのようなセグメンテーションタスクのための有望な基盤となっている。 本稿では,各特徴を2進数対決定写像によって1つの整数に圧縮する,ガウス単位のカテゴリ表現のための粗大なバイナリ符号化方式を提案する。 さらに,個別のサブタスクに分割し,クラス間の衝突を減らし,きめ細かいセグメンテーション能力を向上させるプログレッシブトレーニング戦略を設計する。
  論文  参考訳（メタデータ） (2025-11-30T15:51:30Z)
• A new approach for image segmentation based on diffeomorphic registration and gradient fields [0.8158530638728501]
  本稿では,2次元画像分割のための新しい変分フレームワークを提案する。 本手法は,画像領域の微分同相変換によるテンプレート曲線の変形としてセグメンテーションをモデル化する。 このアプローチはPythonで実装されており、PyKeopsライブラリを使用してGPUアクセラレーションを行う。
  論文  参考訳（メタデータ） (2025-06-11T03:16:15Z)
• Feature Alignment with Equivariant Convolutions for Burst Image Super-Resolution [52.55429225242423]
  本稿では,同変畳み込みに基づくアライメントを特徴とするBurst Image Super-Resolution (BISR) のための新しいフレームワークを提案する。 これにより、アライメント変換は画像領域の明示的な監督を通じて学習でき、特徴領域に容易に適用できる。 BISRベンチマークの実験は、定量的メトリクスと視覚的品質の両方において、我々のアプローチの優れた性能を示している。
  論文  参考訳（メタデータ） (2025-03-11T11:13:10Z)
• Superpixel Segmentation: A Long-Lasting Ill-Posed Problem [1.2604738912025477]
  スーパーピクセルの分割は,スーパーピクセルの形状とサイズに暗黙の規則性制約があるため,基本的に不適切な問題であることを示す。 我々は,超画素セグメンテーションタスクを専用にトレーニングすることなく,SAM(Segment Anything Model)のような最近のアーキテクチャを用いて,競争力のある結果が得られることを示す。
  論文  参考訳（メタデータ） (2024-11-10T14:31:56Z)
• VDIP-TGV: Blind Image Deconvolution via Variational Deep Image Prior Empowered by Total Generalized Variation [21.291149526862416]
  ディープイメージ事前(DIP)は、教師付きモデルではなく、単一のイメージのレギュレータとしてディープネットワークを使用することを提案する。 本稿では,全一般化変分法(TGV)をVDIPと組み合わせ,これらの欠点を克服する。 提案したVDIP-TGVは、TGVを介して余分な勾配情報を補足することにより、画像のエッジと詳細を効果的に回復する。
  論文  参考訳（メタデータ） (2023-10-30T12:03:18Z)
• Hyperbolic Image Segmentation [16.50554261593531]
  双曲空間における階層的ピクセルレベル分類の抽出可能な定式化を提案する。 Hyperbolic Imageは、セグメンテーションの新たな可能性と実用的メリットを開放する。
  論文  参考訳（メタデータ） (2022-03-11T13:07:51Z)
• Boundary Corrected Multi-scale Fusion Network for Real-time Semantic Segmentation [15.879949436633021]
  既存のセマンティックセグメンテーション法は高い精度を達成するために高解像度の入力に依存しており、推論時間の要件を満たしていない。 設計した低分解能多スケール核融合モジュールを用いて意味情報を抽出する境界補正多スケール核融合ネットワークを提案する。 本手法は,リアルタイムセマンティックセグメンテーションの精度と速度の最先端バランスを実現する。
  論文  参考訳（メタデータ） (2022-03-01T13:31:01Z)
• SRWarp: Generalized Image Super-Resolution under Arbitrary Transformation [65.88321755969677]
  ディープCNNは、単一の画像超解像を含む画像処理とそのアプリケーションで大きな成功を収めています。 近年のアプローチでは、実測値のアップサンプリング要因にまで範囲を広げている。 任意の画像変換に向けてSRタスクをさらに一般化するSRWarpフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-04-21T02:50:41Z)
• A Few Guidelines for Incremental Few-Shot Segmentation [57.34237650765928]
  事前訓練されたセグメンテーションモデルと、新しいクラスを含む画像が少ないことを前提として、我々が目指すのは、以前に見たセグメンテーション能力を維持しながら、新しいクラスをセグメンテーションすることである。 このシナリオにおけるエンド・ツー・エンドのトレーニングの主な問題はどのようなものかを示します。 一 バッチ正規化統計を、バッチ正規化で修正できる新しいクラスへ向けての漂流すること。 二 旧クラスの忘れ物 正規化戦略で解決できるもの。
  論文  参考訳（メタデータ） (2020-11-30T20:45:56Z)
• Powers of layers for image-to-image translation [60.5529622990682]
  本稿では,未ペア画像から画像への変換タスクに対処するシンプルなアーキテクチャを提案する。 固定重み付きイメージオートエンコーダアーキテクチャから始める。 各タスクに対して、潜在空間で動作している残留ブロックを学習し、ターゲット領域に到達するまで繰り返し呼び出される。
  論文  参考訳（メタデータ） (2020-08-13T09:02:17Z)

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。