HM:少数ショットセグメンテーションのためのハイブリッドマスキング【JST・京大機械翻訳】

Moon Seonghyeon; Sohn Samuel S.; Zhou Honglu; Yoon Sejong; Pavlovic Vladimir; Khan Muhammad Haris; Kapadia Mubbasir

プレプリント

J-GLOBAL ID：202202211654279956 整理番号：22P0309476

HM:少数ショットセグメンテーションのためのハイブリッドマスキング【JST・京大機械翻訳】

HM: Hybrid Masking for Few-Shot Segmentation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年03月23日プレプリントサーバーでの情報更新日： 2022年07月24日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ターゲットクラスの少数の注釈付きサポート画像を提供したとき,クエリ画像からターゲットオブジェクトを分割することを目的とする,少数ショット意味セグメンテーションを研究した。いくつかの最近の方法は,セグメンテーションマスクの信頼できる予測を容易にする無関係な特徴活性化を捨てる特徴マスキング(FM)技術に頼っている。FMの基本的限界は,特に小さなターゲット物体に対して,セグメンテーションマスクの精度に影響する細粒空間詳細を保存することができないことである。本論文では,特徴マスキング(FM)を増強するための簡単で,効果的で効率的なアプローチを開発した。著者らは,ハイブリッドマスキング(HM)としてFMを強化した。特に,補完的基本入力マスキング法を研究し,レバレッジすることにより,FM技法における微細粒空間詳細の損失を補償する。実験は,強い少数ショットセグメンテーション(FSS)ベースラインを有する3つの公的に利用可能なベンチマークについて行われた。経験的に,異なるベンチマークを横断した可視マージンにより,最新の最先端手法に対して改善された性能を示した。著者らのコードと訓練されたモデルは,https://github.com/moonsh/HM Hybrid Maskingで利用可能である。【JST・京大機械翻訳】

, , , , , , , , , ,
, 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般

, ,

前のページに戻る