Structure-Aware Image Segmentation with Homotopy Warping

要約

ピクセルごとの精度に加えて、トポロジーの正確さは、衛星画像や生物医学画像などの微細構造を持つ画像のセグメンテーションにも重要です。
この論文では、デジタルトポロジーの理論を活用することにより、トポロジーにとって重要な画像内の場所を特定します。
これらの重要な場所に焦点を当てることにより、トポロジーの精度を高めるために深い画像セグメンテーションネットワークをトレーニングするための新しいホモトピーワーピングロスを提案します。
これらのトポロジー的に重要な場所を効率的に識別するために、距離変換を利用する新しいアルゴリズムを提案します。
提案されたアルゴリズムと損失関数は、2Dと3Dの両方の設定で異なるトポロジー構造に自然に一般化されます。
提案された損失関数は、ディープネットがトポロジ対応のメトリックに関してより優れたパフォーマンスを達成するのに役立ち、最先端の構造/トポロジ対応のセグメンテーション方法を上回ります。

要約(オリジナル)

Besides per-pixel accuracy, topological correctness is also crucial for the segmentation of images with fine-scale structures, e.g., satellite images and biomedical images. In this paper, by leveraging the theory of digital topology, we identify locations in an image that are critical for topology. By focusing on these critical locations, we propose a new homotopy warping loss to train deep image segmentation networks for better topological accuracy. To efficiently identity these topologically critical locations, we propose a new algorithm exploiting the distance transform. The proposed algorithm, as well as the loss function, naturally generalize to different topological structures in both 2D and 3D settings. The proposed loss function helps deep nets achieve better performance in terms of topology-aware metrics, outperforming state-of-the-art structure/topology-aware segmentation methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google