論文の概要: MSCA-UNet: Multi-Scale Context and Attention U-Net for Image Segmentation

• arxiv url: http://arxiv.org/abs/2609.06356v1
• Date: Sun, 06 Sep 2026 03:16:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-12 05:55:22.054288
• Title: MSCA-UNet: Multi-Scale Context and Attention U-Net for Image Segmentation
• Title（参考訳）: MSCA-UNet:画像セグメンテーションのためのマルチスケールコンテキストと注意U-Net
• Abstract要約: MSCA-UNetはU-Netベースのセグメンテーションアーキテクチャであり、ボトルネックにおけるマルチスケールコンテキストアグリゲーションとデコーダのチャネル空間アテンション改善を組み合わせたものである。 同じ実験環境下では、ベースラインのU-Netは96.9%のmIoUをホールドアウトテストセットで達成している。 その結果、U-Netフレームワーク内では、マルチスケールのコンテキスト強化と注目に基づく特徴改善が相補的な利点をもたらすという見方が支持された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: U-Net remains a practical baseline for image segmentation because of its simple encoder-decoder structure and skip connections. However, the bottleneck representation is still dominated by a limited set of receptive fields, while decoder features are propagated without explicitly emphasizing the most informative channels and spatial locations. This paper presents MSCA-UNet, a U-Net-based segmentation architecture that combines multi-scale contextual aggregation at the bottleneck with channel-spatial attention refinement in the decoder. The multi-scale module uses parallel atrous convolutions to capture contextual features at different receptive fields, while Convolutional Block Attention Modules (CBAMs) progressively recalibrate decoder features. Under identical experimental settings, the baseline U-Net achieves 96.9% mIoU on a held-out test set. Adding multi-scale context improves mIoU to 97.5%, while attention alone reaches 98.4%. Combining both mechanisms yields 99.1% mIoU, a 2.2 percentage-point improvement over the baseline. Parameter analysis further shows that the attention-only variant adds approximately 0.044M parameters, whereas the multi-scale module contributes most of the additional model capacity. The results support the view that multi-scale context enrichment and attention-based feature refinement provide complementary benefits within a U-Net framework.
• Abstract（参考訳）: U-Netは、単純なエンコーダデコーダ構造とスキップ接続のため、イメージセグメンテーションの実用的なベースラインのままである。 しかし、ボトルネック表現は依然として受容領域の限られたセットに支配されており、デコーダの特徴は最も情報性の高いチャネルや空間的位置を明示的に強調することなく伝播している。 本稿では,マルチスケールコンテキストアグリゲーションとデコーダのチャネル空間アテンション改善を組み合わせた,U-NetベースのセグメンテーションアーキテクチャであるMSCA-UNetを提案する。 マルチスケールモジュールでは、コンボリューショナル・ブロック・アテンション・モジュール(CBAM)がデコーダの機能を段階的に再調整するのに対して、コンボリューショナル・コンボリューショナル・コンボリューション(英語版)を使用して異なる受容領域におけるコンテキスト特徴をキャプチャする。 同じ実験環境下では、ベースラインのU-Netは96.9%のmIoUをホールドアウトテストセットで達成している。 マルチスケールコンテキストを追加することでmIoUは97.5%に改善され、注意のみが98.4%に達する。 両方の機構を組み合わせると、99.1% mIoUがベースラインよりも2.2ポイント改善される。 パラメータ分析により、注意のみの変種が約0.044Mのパラメータを追加するのに対し、マルチスケールモジュールは追加のモデルのキャパシティの大部分に寄与することが示された。 その結果、U-Netフレームワーク内では、マルチスケールのコンテキスト強化と注目に基づく特徴改善が相補的な利点をもたらすという見方が支持された。

関連論文リスト

• CI-ICM: Channel Importance-driven Learned Image Coding for Machines [56.1188469769241]
  本稿では,Channel Importance-driven learned Image Coding for Machines (CI-ICM)を提案する。 提案したCI-ICMは、BD-mAP@50:95で16.25%のオブジェクト検出と13.72%のインスタンスセグメンテーションを実現している。
  論文  参考訳（メタデータ） (2026-04-07T02:36:47Z)
• MSA2-Net: Utilizing Self-Adaptive Convolution Module to Extract Multi-Scale Information in Medical Image Segmentation [31.007198872745892]
  自己適応型畳み込みモジュールは、異なるデータセットのユニークな指紋に依存する畳み込みカーネルのサイズを動的に調整する。 モジュールは、MSA2-Netの2つの重要なコンポーネント、Multi-Scale Convolution BridgeとMulti-Scale Amalgamation Decoderに戦略的に統合されている。
  論文  参考訳（メタデータ） (2025-09-01T14:19:15Z)
• Multi-view Aggregation Network for Dichotomous Image Segmentation [76.75904424539543]
  Dichotomous Image (DIS) は近年,高解像度自然画像からの高精度物体分割に向けて出現している。 既存の手法は、グローバルなローカライゼーションと局所的な洗練を徐々に完了させるために、退屈な複数のエンコーダ・デコーダストリームとステージに依存している。 これに触発されて、我々は多視点オブジェクト認識問題としてdisをモデル化し、擬似多視点アグリゲーションネットワーク(MVANet)を提供する。 一般的なdis-5Kデータセットの実験では、我々のMVANetは精度と速度の両方で最先端の手法を大きく上回っている。
  論文  参考訳（メタデータ） (2024-04-11T03:00:00Z)
• MFPNet: Multi-scale Feature Propagation Network For Lightweight Semantic Segmentation [5.58363644107113]
  マルチスケール特徴伝達ネットワーク(Net)と呼ばれる,新しい軽量セグメンテーションアーキテクチャを提案する。 フレキシブル・ボトルネック・残差モジュール(BRM)からなる対称残差ブロックを有するロバスト・デコーダ構造を設計する。 遅延長範囲のコンテキスト関係をモデル化する能力の利点を生かして、グラフ畳み込みネットワーク(GCN)を活用し、BRMブロック間のマルチスケールフィーチャの伝搬を容易にする。
  論文  参考訳（メタデータ） (2023-09-10T02:02:29Z)
• Unite-Divide-Unite: Joint Boosting Trunk and Structure for High-accuracy Dichotomous Image Segmentation [48.995367430746086]
  Dichotomous Image rendering (DIS) は、自然の風景からカテゴリーに依存しない前景の物体をピンポイントすることを目的としている。 本稿では, トランクと構造同定の有効性を高めるために, 相補的特徴を再構成し, 分割的に配置する, UDUN (Unite-Divide-Unite Network) を提案する。 1024*1024入力を用いて、ResNet-18で65.3fpsのリアルタイム推論を可能にする。
  論文  参考訳（メタデータ） (2023-07-26T09:04:35Z)
• Efficient Multi-Scale Attention Module with Cross-Spatial Learning [4.046170185945849]
  効率的なマルチスケールアテンション(EMA)モジュールを提案する。 チャネルごとの情報保持と計算オーバーヘッドの低減に重点を置いている。 我々は画像分類と物体検出タスクについて広範囲にわたるアブレーション研究と実験を行った。
  論文  参考訳（メタデータ） (2023-05-23T00:35:47Z)
• Learning Visual Representation from Modality-Shared Contrastive Language-Image Pre-training [88.80694147730883]
  本稿では,多種多様なモダリティ共有コントラスト言語-画像事前学習(MS-CLIP)フレームワークについて検討する。 学習条件下では、視覚と言語信号のためのほとんど統一されたエンコーダが、より多くのパラメータを分離する他のすべてのバリエーションより優れていることが観察された。 我々のアプローチは、24の下流視覚タスクのコレクションに基づいて、線形探索においてバニラCLIPを1.6ポイント上回ります。
  論文  参考訳（メタデータ） (2022-07-26T05:19:16Z)
• Specificity-preserving RGB-D Saliency Detection [103.3722116992476]
  本稿では,RGB-Dサリエンシ検出のための特異性保存ネットワーク(SP-Net)を提案する。 2つのモダリティ特化ネットワークと共有学習ネットワークを採用し、個別および共有唾液マップを生成する。 6つのベンチマークデータセットの実験では、SP-Netは他の最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2021-08-18T14:14:22Z)
• Encoder Fusion Network with Co-Attention Embedding for Referring Image Segmentation [87.01669173673288]
  本稿では,視覚的エンコーダをマルチモーダルな特徴学習ネットワークに変換するエンコーダ融合ネットワーク(EFN)を提案する。 EFNには、マルチモーダル機能の並列更新を実現するコアテンションメカニズムが組み込まれている。 4つのベンチマークデータセットによる実験結果から,提案手法がポストプロセッシングを伴わずに最先端の性能を実現することを示す。
  論文  参考訳（メタデータ） (2021-05-05T02:27:25Z)
• MACU-Net for Semantic Segmentation of Fine-Resolution Remotely Sensed Images [11.047174552053626]
  MACU-Netは、マルチスケールのスキップ接続と非対称畳み込みベースのU-Netで、微細解像度のリモートセンシング画像を提供する。 本設計では,(1)低レベル・高レベルの特徴写像に含まれる意味的特徴と,(2)非対称な畳み込みブロックは,標準畳み込み層の特徴表現と特徴抽出能力を強化する。 2つのリモートセンシングデータセットで行った実験では、提案したMACU-NetがU-Net、U-NetPPL、U-Net 3+、その他のベンチマークアプローチを超越していることが示されている。
  論文  参考訳（メタデータ） (2020-07-26T08:56:47Z)
• Distance Guided Channel Weighting for Semantic Segmentation [4.10724123131976]
  DGCW(Distance Guided Channel Weighting Module)について紹介する。 DGCWモジュールは、画素単位のコンテキスト抽出方法で構成される。 DGCWNet(Distance Guided Channel Weighting Network)を提案する。
  論文  参考訳（メタデータ） (2020-04-27T09:57:12Z)

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。