Ultra-high Resolution Image Segmentation via Locality-aware Context Fusion and Alternating Local Enhancement

要約

超高解像度の画像セグメンテーションは、その現実的なアプリケーションにより、近年ますます関心を集めています。
このペーパーでは、広く使用されている高解像度画像セグメンテーション パイプラインを革新します。このパイプラインでは、超高解像度画像がローカル セグメンテーション用の規則的なパッチに分割され、ローカル結果が高解像度セマンティック マスクにマージされます。
特に、局所パッチを処理するための新しい局所性認識コンテキスト融合ベースのセグメンテーション モデルを導入します。このモデルでは、局所パッチとそのさまざまなコンテキストとの間の関連性が、大きなバリエーションを持つセマンティック領域を処理するために共同かつ補完的に利用されます。
さらに、コンテキストから導入された冗長情報の悪影響を制限する代替ローカル拡張モジュールを提示し、したがって、ローカリティ認識機能を修正して洗練された結果を生成する機能を与えられます。
さらに、包括的な実験では、モデルが公開ベンチマークで他の最先端の方法よりも優れていることを示しています。
リリースされたコードは、https://github.com/liqiokkk/FCtL で入手できます。

要約(オリジナル)

Ultra-high resolution image segmentation has raised increasing interests in recent years due to its realistic applications. In this paper, we innovate the widely used high-resolution image segmentation pipeline, in which an ultra-high resolution image is partitioned into regular patches for local segmentation and then the local results are merged into a high-resolution semantic mask. In particular, we introduce a novel locality-aware context fusion based segmentation model to process local patches, where the relevance between local patch and its various contexts are jointly and complementarily utilized to handle the semantic regions with large variations. Additionally, we present the alternating local enhancement module that restricts the negative impact of redundant information introduced from the contexts, and thus is endowed with the ability of fixing the locality-aware features to produce refined results. Furthermore, in comprehensive experiments, we demonstrate that our model outperforms other state-of-the-art methods in public benchmarks. Our released codes are available at: https://github.com/liqiokkk/FCtL.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google