論文の概要: Multiclass Boundary Refinement with Neural Cellular Automata for Remote Sensing Land Cover Segmentation

• arxiv url: http://arxiv.org/abs/2610.30007v1
• Date: Wed, 21 Oct 2026 16:41:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.413055
• Title: Multiclass Boundary Refinement with Neural Cellular Automata for Remote Sensing Land Cover Segmentation
• Title（参考訳）: リモートセンシングランドカバーセグメンテーションのためのニューラルセルオートマタによるマルチクラス境界リファインメント
• Abstract要約: 我々は境界修正を小さな学習ローカルルールの反復的適用として扱う。 最高の設定は、ベースセグメンタ上の平均BIoUを2.36ポイント改善する。 このことは、位置誤差がクラス境界のフラクタル次元と相関していることを示唆している。
• 参考スコア（独自算出の注目度）: 0.7850626323769984
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semantic segmentation of remote sensing imagery often places class boundaries a few pixels away from where they truly lie, and this position error is concentrated in the thin band measured by Boundary IoU (BIoU). We treat boundary refinement as the iterated application of a small learned local rule: the Boundary Refinement Neural Cellular Automaton (BRNCA), that starts from the class probabilities of a frozen, pre-trained segmenter and corrects them cell by cell. We generalise the binary rNCA to the multiclass case by keeping the visible channels on the probability simplex through an Aitchison (log-space) update and by adding free hidden channels. The best configuration improves the mean BIoU over the base segmenter by 2.36 points (from 46.63 to 48.99). The gain is concentrated on the irregular woodland class (+8.5 points BIoU); this suggests that position error is correlated with the fractal dimension of the class boundaries.
• Abstract（参考訳）: リモートセンシング画像のセマンティックセグメンテーションは、しばしばクラスの境界線を真の嘘から数ピクセル離れさせ、この位置誤差は境界IoU(BIoU)によって測定された薄いバンドに集中する。 境界精細化は, 凍結した未学習セグメンタのクラス確率から始まる境界精細化ニューラルセルオートマトン (BRNCA) の反復的適用として扱う。 我々は、Aitchison (log-space) 更新により、可視チャネルを確率単純度に保ち、自由な隠れチャネルを追加することで、バイナリ rNCA をマルチクラスケースに一般化する。 最高の構成では、ベースセグメンタ上の平均BIoUを2.36ポイント(46.63から48.99まで)改善する。 ゲインは不規則な森林クラス(+8.5点BIoU)に集中しており、これは位置誤差がクラス境界のフラクタル次元と相関していることを示唆している。

関連論文リスト

• DISTA-Net++: Rethinking Infrared Small Target Unmixing Beyond Sub-Pixel Separation [50.40058918817059]
  長距離赤外線画像は、回折制限されたシグネチャが1つの識別不能なブロブに融合する密度の高いターゲットクラスタに対向する。 DisTA-Net++は2つの相乗的なメカニズムで動的に展開するバックボーンをアンカーする。 DisTA-Net++は、CSO-mAPが16.15%、62.96%の精度で、計算の6分の1に過ぎない。
  論文  参考訳（メタデータ） (2026-09-16T14:57:11Z)
• BATS: Resource-Efficient Volumetric Segmentation with Boundary-Aware Mixed-Resolution Tokens [14.29921504001782]
  予測されたクラス境界付近で微細分解能処理を集中する3次元医用画像分割アーキテクチャであるBATSを提案する。 密度境界予測器は、追加の解像度が必要な場所を特定する一方、ファインファーストコンテキストは入力依存の混合解像度階層を構成する。 KiTSとLiTSでは推論が最大30%高速化され、トークンは少ないがトークン密度のBraTSでは遅い。
  論文  参考訳（メタデータ） (2026-07-29T12:21:40Z)
• Boundary-RL: Reinforcement Learning for Weakly-Supervised Prostate Segmentation in TRUS Images [8.057488225592605]
  弱教師付きセグメンテーション手法であるBundary-RLを提案する。 セグメント化は,従来のような画素レベルの分類ではなく,境界検出問題として想定される。 特に超音波画像では、強度値が境界間の音響インピーダンスの差を表す場合、境界線法(英語版)の利点もある。
  論文  参考訳（メタデータ） (2023-08-22T12:02:05Z)
• Push-the-Boundary: Boundary-aware Feature Propagation for Semantic Segmentation of 3D Point Clouds [0.5249805590164901]
  本研究では,オブジェクト境界近傍のセマンティックセグメンテーションを改善するための境界対応特徴伝搬機構を提案する。 1つの共有エンコーダで、ネットワークは、(i)境界ローカライゼーション、(ii)オブジェクトの内部を指す方向の予測、(iii)セマンティックセグメンテーションを3つの並列ストリームで出力する。 提案手法は境界誤差を低減することによって一貫した改善をもたらす。
  論文  参考訳（メタデータ） (2022-12-23T15:42:01Z)
• Denoised Non-Local Neural Network for Semantic Segmentation [18.84185406522064]
  クラス間ノイズとクラス内ノイズをそれぞれ除去するデノナイズド非ローカネットワーク(デノナイズドNL)を提案する。 提案したNLは,都市景観における83.5%,46.69% mIoU,ADE20Kの最先端性能を達成できる。
  論文  参考訳（メタデータ） (2021-10-27T06:16:31Z)
• OVANet: One-vs-All Network for Universal Domain Adaptation [78.86047802107025]
  既存のメソッドは、検証または未知のサンプルの事前定義された比率に基づいて未知のサンプルを拒否するしきい値を手動で設定します。 本稿では,ソースサンプルを用いて閾値を学習し,対象領域に適応する手法を提案する。 私たちの考えは、ソースドメインの最小クラス間距離は、ターゲットの既知のか未知かを決定するための良いしきい値であるべきです。
  論文  参考訳（メタデータ） (2021-04-07T18:36:31Z)
• Non-Salient Region Object Mining for Weakly Supervised Semantic Segmentation [64.2719590819468]
  弱教師付きセマンティックセグメンテーションのための非塩分領域オブジェクトマイニング手法を提案する。 擬似ラベルの偽陰性率を低減するために、潜在的なオブジェクトマイニングモジュールを提案する。 非サリエント領域マスキングモジュールは、非サリエント領域内のオブジェクトをさらに発見するのに役立ちます。
  論文  参考訳（メタデータ） (2021-03-26T16:44:03Z)
• Inter-Image Communication for Weakly Supervised Localization [77.2171924626778]
  弱教師付きローカライゼーションは、画像レベルの監督のみを使用して対象対象領域を見つけることを目的としている。 我々は,より正確な物体位置を学習するために,異なる物体間の画素レベルの類似性を活用することを提案する。 ILSVRC検証セット上でトップ1のローカライズ誤差率45.17%を達成する。
  論文  参考訳（メタデータ） (2020-08-12T04:14:11Z)
• Image segmentation via Cellular Automata [58.86475603234583]
  我々は高解像度画像のセグメンテーションを成功させるセルオートマトンを設計し、訓練する。 私たちの最小のオートマトンは、複雑なセグメンテーションタスクを解決するために1万以下のパラメータを使用します。
  論文  参考訳（メタデータ） (2020-08-11T19:04:09Z)
• LoCo: Local Contrastive Representation Learning [93.98029899866866]
  重なり合うローカルブロックが重なり合うことで、デコーダの深さを効果的に増加させ、上位ブロックが暗黙的に下位ブロックにフィードバックを送ることができることを示す。 このシンプルな設計は、ローカル学習とエンドツーエンドのコントラスト学習アルゴリズムのパフォーマンスギャップを初めて埋める。
  論文  参考訳（メタデータ） (2020-08-04T05:41:29Z)
• Efficient 2D neuron boundary segmentation with local topological constraints [0.5482532589225552]
  本稿では,2次元電子顕微鏡像におけるニューロン膜分画法について述べる。 膜連続性を強制する整数線形プログラム(ILP)を導出する。 本手法はギャップ補完に成功し,トポロジ的誤差が少なくなった。
  論文  参考訳（メタデータ） (2020-02-03T22:28:39Z)

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。