抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
画像セグメンテーションにおける主要な課題は,オブジェクト境界を分類することである。最近の努力は,境界マスクによるセグメンテーション結果の精密化を提案する。しかし,モデルはオブジェクト輪郭を正しく捉える場合でも境界画素を誤分類する傾向がある。そのような場合,完全な境界マップでさえ,セグメンテーション精密化のためには役立たない。本論文では,オブジェクト境界のような誤り傾向画素に適切な事前重みを割り当てることにより,セグメンテーション品質を大幅に改善できることを論じた。具体的には,ランダム分割器により正しく分類された確率に従って各画素を重みする事前モデルである画素ヌルモデル(PNM)を提示した。経験的解析は,PNMが種々の最先端(SOTA)セグメントの誤分類分布を捕捉することを示した。3つのデータセット(Cityscopes,ADE20K,MS COCO)上の意味的,インスタンス,およびパノ光学的セグメンテーションタスクに関する大規模な実験は,PNMが大部分のSOTA法(ビジョン変圧器を含む)のセグメンテーション品質を一貫して改善し,大きなマージンによって境界ベースの方法より優れていることを確認した。また,広く使われている平均IoU(mIoU)メトリックは,異なる鋭さの境界に鈍感であることも観察した。副産物として,境界鮮鋭度を知覚し,誤り傾向領域におけるモデルセグメンテーション性能をよりよく反映する新しいメトリック,PNM IoUを提案した。【JST・京大機械翻訳】