3 个月前

UCP-Net:用于实例分割的非结构化轮廓点

UCP-Net:用于实例分割的非结构化轮廓点

摘要

交互式分割的目标是帮助用户以最快的速度和最高的准确性生成分割掩码。交互操作必须简单直观,且生成满意分割结果所需的用户交互次数应尽可能少。本文提出了一种新型的交互式分割方法,该方法基于无约束轮廓点击实现初始分割与分割优化。所提方法具有类别无关性,在主流分割数据集(COCO MVal、SBD 和 Berkeley)上,相较于当前最先进方法,仅需更少的用户交互次数即可生成准确的分割掩码(IoU > 85%)。

基准测试

基准方法指标
interactive-segmentation-on-berkeleyUCP-Net
NoC@90: 2.70
interactive-segmentation-on-grabcutUCP-Net
NoC@85: 2
NoC@90: 2.76
interactive-segmentation-on-sbdUCP-Net
NoC@85: 2.73
NoC@90: 5.00

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
UCP-Net:用于实例分割的非结构化轮廓点 | 论文 | HyperAI超神经