死海文書断片のマルチスペクトル画像からインクと羊皮紙の領域をセグメント化するための新しい計算手法であるMTEM(Multispectral Thresholding and Energy Minimization)を紹介する。
注釈付きデータセットを用いた学習なしに、影の遷移をヒントとして最小全域木アルゴリズムを用いることで、画像のセグメンテーションを実現できる。
基盤モデル(FM)の登場により、画像セグメンテーションは、CLIP、Stable Diffusion、DINOなどのFMを適応させることで、あるいはSAMのような専用のセグメンテーションFMを開発することで、大きな進歩を遂げました。
SAM 2は、画像と動画の両方において、プロンプトを用いたインタラクティブなセグメンテーションを可能にする、より高速で正確な基礎モデルであり、ビデオセグメンテーションにおける大きな進歩を示している。
Text4Segは、画像セグメンテーションをテキスト生成タスクとして再定義することで、マルチモーダル大規模言語モデル(MLLM)にシームレスにセグメンテーション機能を統合できる、効率的でスケーラブルな新しいパラダイムを提供します。
本稿では、高速な並列GPUベースのウォーターシェッドおよびウォーターフォール変換を用いて、超高解像度入力画像から粒度の低い階層的セグメンテーションを構築する方法を提案する。
垂直フェデレーテッド環境での画像セグメンテーションを可能にする新しいアーキテクチャの提案と実装。
深層学習モデルをインセンサー内に直接展開することで、低消費電力エッジビジョンプラットフォームでの画像セグメンテーションを実現する「Q-Segment」アルゴリズムが提案されました。
リモートセンシング画像における参照画像セグメンテーションの重要性と効果的な手法の提案。