- …
- …
#119
summarized by : Anonymous
どんな論文か？
CNNとレベルセット法を組合せたセグメンテーション手法であるDeep Extreme Level Set Evolution(DELSE)を提案。レベルセット法を用いることで、オクルージョンやオブジェクトの穴にも対処が可能に。Extreme pointを用いたセグメンテーション手法であるDEXTRと比較して、Cityscapes、DAVISで上回り、PASCAL, SBDで同等の性能を出している。
新規性
DELSEはCNNによる特徴抽出とレベルセット法がEnd-to-Endで学習可能なモデル。CNNは、画像とExtreme pointのヒートマップをチャネルとして加えたものを入力とする。DEXTRと比較して、Extreme pointをユーザがインタラクティブに設定可能で、誤ったアノテーションはドラッグで修正されることを想定し、モデルにそのpointの移動量が反映される。
結果
DEXTRとPolygon-RNN++をベースラインにCityscape、PASCAL、SBD、DAVISのデータセットで評価し同等以上の性能を出している。また対話的なアノテーションによる精度向上を確認するため、Cityscapeの全16都市のデータセットの内10都市を訓練、残り6都市について評価を実施。mIOU82.45%に対し、3点のpointをドラッグで修正することで86.83%に向上した。
その他（なぜ通ったか？等）
- …
- …