論文の概要: CoordFormer: Give Me Any Coordinates and I Will Give You Labels
- arxiv url: http://arxiv.org/abs/2609.08660v1
- Date: Tue, 08 Sep 2026 12:28:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 16:05:08.801885
- Title: CoordFormer: Give Me Any Coordinates and I Will Give You Labels
- Title（参考訳）: CoordFormer:任意のコーディネートをくれ、私はラベルをくれる
- Abstract要約: CoordFormerはセマンティックセグメンテーションのための新しい座標ベースのアーキテクチャである。
局所的クロスアテンション機構を備えたコーディネートデコーダを用いて任意の空間位置のラベルを予測する。
- 参考スコア（独自算出の注目度）: 19.531901409555278
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Semantic segmentation on very-high-resolution images remains challenging due to the high computational cost and the difficulty of capturing fine-grained details. We propose CoordFormer, a novel coordinate-based architecture for semantic segmentation that predicts labels at arbitrary spatial locations through a Coordinate Decoder equipped with a Localized Cross-Attention mechanism. The decoder combines coordinate embeddings with high-resolution local patch features and interacts with global tokens extracted from a downsampled image processed by a ViT foundation encoder, enabling rich semantic context while preserving pixel-level precision. This design enables flexible inference at arbitrary resolutions while keeping memory low on very-high-resolution inputs, and supports an efficient semantic-edge-focused strategy that concentrates computation along boundaries, maintaining fine-grained accuracy while reducing latency and computational cost. CoordFormer achieves state-of-the-art performance on MaSS13K and outperforms comparably sized and higher-parameter methods on DIS5K and KPIs, demonstrating its effectiveness for high-quality, very-high-resolution semantic segmentation.
- Abstract（参考訳）: 超高解像度画像のセマンティックセグメンテーションは、計算コストが高く、細かな細部を捉えるのが難しいため、依然として困難である。
コーディネート・デコーダに局所的クロスアテンション機構を備えることで,任意の空間位置のラベルを予測するセマンティックセグメンテーションのための新しい座標ベースアーキテクチャであるCoordFormerを提案する。
デコーダは、座標埋め込みと高解像度のローカルパッチ特徴を結合し、ViTファウンデーションエンコーダによって処理されたダウンサンプル画像から抽出されたグローバルトークンと相互作用し、ピクセルレベルの精度を維持しながら、リッチなセマンティックコンテキストを実現する。
この設計は、非常に高解像度の入力に対してメモリを低く保ち、任意の解像度での柔軟な推論を可能にし、境界に沿った計算に集中し、レイテンシと計算コストを低減しつつきめ細かな精度を維持する、効率的なセマンティックエッジにフォーカスした戦略をサポートする。
CoordFormer は MASS13K の最先端性能と Dis5K や KPI の高パラメータ法を比較検討し,高品質で高解像度なセマンティックセマンティックセマンティックセグメンテーションの有効性を示す。
関連論文リスト
- Accelerated Decoding of Centroid Positional Encoding for Instance Segmentation [49.97373153077311]
本稿では,各画素が遠心波の位置埋め込みを行う場合の,遠心波符号化に伴うデコードオーバーヘッドについて検討する。
当社のソリューションは、デコードオーバーヘッドを大幅に削減し、Endto-Endレイテンシを改善し、CPUベースのアプローチと単純なGPU実装の両方を上回ります。
論文 参考訳（メタデータ） (2026-09-15T09:05:17Z) - DCAU-Net: Differential Cross Attention and Channel-Spatial Feature Fusion for Medical Image Segmentation [2.2015188658021003]
本稿では, DCAU-Netを提案する。
まず,2つの独立なソフトマックスアテンションマップの違いを計算するために,新しい微分クロスアテンション(DCA)を設計した。
第2に,Channel-Spatial Feature Fusion (CSFF) 戦略を導入し,特徴を適応的に再検討する。
論文 参考訳（メタデータ） (2026-03-10T11:37:10Z) - Cross-Layer Attentive Feature Upsampling for Low-latency Semantic Segmentation [52.01210390327581]
本稿では,高精細度特徴とセマンティック特徴を適応的に補間するためのガイド付き注意補間(GAI)を提案する。
GAIは、解像度の異なる特徴から画素の空間的関係と意味的関係を判定し、これらの関係を利用してリッチな意味論で高解像度特徴を補間する。
実験では、GAINと呼ばれるGAIベースのセマンティックセグメンテーションネットワークは、Cityscapesで22.3 FPSの78.8 mIoU、CamVidで64.5の80.6 mIoUをNVIDIA 1080Ti GPUで達成できる。
論文 参考訳（メタデータ） (2026-01-03T12:09:49Z) - Bridging spatial awareness and global context in medical image segmentation [2.750124853532831]
セグメント化性能を向上させるために,新しいU字型エンコーダデコーダネットワークであるU-CycleMLPを提案する。
エンコーダは、位置注意重みブロック、高密度アトラスブロック、ダウンサンプリング演算を用いて、マルチスケールのコンテキスト特徴を学習する。
デコーダは、アップサンプリング操作、高密度アトラスブロック、特徴融合機構を通じて高分解能セグメンテーションマスクを再構成する。
論文 参考訳（メタデータ） (2025-12-06T20:25:24Z) - Scale-DiT: Ultra-High-Resolution Image Generation with Hierarchical Local Attention [50.391914489898774]
Scale-DiTは、階層的な局所的注意を低解像度のグローバルガイダンスで導入する新しい拡散フレームワークである。
軽量なLoRA適応は、デノナイズ中のグローバルパスとローカルパスをブリッジし、構造と詳細の整合性を確保する。
実験によると、Scale-DiTは2ドル以上の高速な推論とメモリ使用量の削減を実現している。
論文 参考訳（メタデータ） (2025-10-18T03:15:26Z) - A Global-Local Cross-Attention Network for Ultra-high Resolution Remote Sensing Image Semantic Segmentation [1.833928124984226]
GLCANetはUHRリモートセンシングのための軽量セグメンテーションフレームワークである。
セルフアテンションメカニズムは、長距離依存関係を強化し、グローバル機能を強化し、セマンティック一貫性を改善するためにローカル詳細を保存する。
マスク付きクロスアテンション機構は、グローバルローカルな特徴を適応的に融合させ、グローバルコンテキストを活用しながら細かな詳細を選択的に強化し、セグメンテーション精度を向上させる。
論文 参考訳（メタデータ） (2025-06-24T08:20:08Z) - HRDecoder: High-Resolution Decoder Network for Fundus Image Lesion Segmentation [12.606794661369959]
骨盤病変分割のための簡易高分解能デコーダネットワークHRDecoderを提案する。
高精細な局所的特徴を捉えるための高精細な表現学習モジュールと、マルチスケールの予測を融合する高精細な融合モジュールを統合している。
本手法は, 適正なメモリと計算オーバーヘッドを消費し, 推論速度の満足度を維持しながら, 足底部病変の全体的なセグメンテーション精度を効果的に向上させる。
論文 参考訳（メタデータ） (2024-11-06T15:13:31Z) - Learning Semantic Segmentation with Query Points Supervision on Aerial Images [57.09251327650334]
セマンティックセグメンテーションアルゴリズムを学習するための弱教師付き学習アルゴリズムを提案する。
提案手法は正確なセマンティックセグメンテーションを行い,手作業のアノテーションに要するコストと時間を大幅に削減することで効率を向上する。
論文 参考訳（メタデータ） (2023-09-11T14:32:04Z) - 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) - High Quality Segmentation for Ultra High-resolution Images [72.97958314291648]
超高分解能セグメンテーション精錬作業のための連続精細モデルを提案する。
提案手法は画像分割精細化において高速かつ効果的である。
論文 参考訳（メタデータ） (2021-11-29T11:53:06Z) - A Holistically-Guided Decoder for Deep Representation Learning with
Applications to Semantic Segmentation and Object Detection [74.88284082187462]
一般的な戦略の1つは、バックボーンネットワークに拡張畳み込みを採用し、高解像度のフィーチャーマップを抽出することです。
本稿では,高分解能なセマンティクスリッチな特徴マップを得るために紹介される,新たなホリスティック誘導デコーダを提案する。
論文 参考訳（メタデータ） (2020-12-18T10:51:49Z) - Real-time Semantic Segmentation with Fast Attention [94.88466483540692]
本稿では,高解像度画像と映像をリアルタイムにセマンティックセグメンテーションするための新しいアーキテクチャを提案する。
提案したアーキテクチャは我々の空間的注意の速さに依存しており、これは一般的な自己注意機構の単純かつ効率的な修正である。
複数のデータセットに対する結果から,既存の手法に比べて精度と速度が向上し,優れた性能を示した。
論文 参考訳（メタデータ） (2020-07-07T22:37:16Z)
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。