- …
- …
#328
summarized by : Shunsuke Yoshizawa
どんな論文か？
道路や脳血管など、ネットワーク構造が重要となるタスクに対してトポロジカルな類似度を測定するために、clDice(centerlineDice)を提案した。
新規性
従来のDiceやHausdorffといった指標とは異なり、ネットワーク構造の類似性を反映する指標を提案したこと。従来もトポロジーの保存を考慮するための手法はいくつか提案されていたが、実際に損失関数として導入した点を新規性として主張している。
結果
血管や道路など、5種類の異なるデータセットでclDiceを導入して訓練を行った。その結果、従来のDiceLossのみを損失関数をして用いた場合と比較して、clDiceを導入して訓練を行った計算モデルは定量的・定性的に良好な結果が得られた
その他（なぜ通ったか？等）
NIPS2019で提案されたホモロジーを考慮した損失関数と比較して、pooling functionを使用することで容易に実装できること、脳血管から道路の検出まで幅広い分野に応用できることが評価されたのだろう。
- …
- …