[論文レビュー] FLIC: Fast Linear Iterative Clustering with Active Search

Jiaxing Zhao, Bo Ren+3 more|arXiv (Cornell University)|Dec 6, 2016

Remote-Sensing Image Classification被引用数 8

ひとこと要約

FLICは、アクティブサーチと共同更新を用いて収束を高速化する、高速で境界に敏感なスーパーピクセル手法を提案する。1つのCPUコアで約30 fpsを達成し、従来手法よりも高速かつ境界リ콜が優れており、局所的近傍連続性のモデル化を改善することで、わずか2イテレーションで収束する。

ABSTRACT

Benefiting from its high efficiency and simplicity, Simple Linear Iterative Clustering (SLIC) remains one of the most popular over-segmentation tools. However, due to explicit enforcement of spatial similarity for region continuity, the boundary adaptation of SLIC is sub-optimal. It also has drawbacks on convergence rate as a result of both the fixed search region and separately doing the assignment step and the update step. In this paper, we propose an alternative approach to fix the inherent limitations of SLIC. In our approach, each pixel actively searches its corresponding segment under the help of its neighboring pixels, which naturally enables region coherence without being harmful to boundary adaptation. We also jointly perform the assignment and update steps, allowing high convergence rate. Extensive evaluations on Berkeley segmentation benchmark verify that our method outperforms competitive methods under various evaluation metrics. It also has the lowest time cost among existing methods (approximately 30fps for a 481x321 image on a single CPU core).

研究の動機と目的

• SLICやその変種のような従来のスーパーピクセル手法における収束の遅さと境界感度の低さを解決すること。
• 画像の過剰分割におけるセグメンテーション品質を維持または向上させながら、計算コストを低減すること。
• 局所ピクセルの連続性を活用する共同割り当て・更新機構により、収束を高速化すること。
• 低コントラストまたは複雑な画像条件下でも効率的かつ頑健な手法を開発すること。

提案手法

• 各ピクセルが周囲のピクセルラベルに基づいてスーパーピクセルを選択するアクティブサーチ機構を導入し、局所的連続性を向上させる。
• 前後方向のスキャン順序を採用し、画像全体にわたり境界に敏感な情報をより効果的に伝搬させる。
• 各イテレーションで割り当てと重心更新を同時に実行することで、別々のステップを排除し、収束を加速する。
• 色（CIELAB）と空間（ユークリッド）成分を組み合わせた重み付き距離計測法を採用し、空間的影響を調整可能な重み$ m $を導入する。
• 3次元色 + 2次元空間の5次元特徴空間を用いて距離を計算し、$ D(I_i, I_j) = \sqrt{d_c^2 + \left(\frac{d_s \cdot m}{N_s}\right)^2} $ と定義する。
• 4つまたは8つの周囲ピクセルを用いてラベル割り当てをガイドすることで、信頼性と境界追随性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 周囲ピクセルの連続性に基づくアクティブサーチは、スーパーピクセル生成における境界感度を向上させ得るか？
• RQ2 割り当てと更新ステップを共同で実行することで、別々のステップよりも収束が速くなるか？
• RQ3 従来手法よりも著しく低い計算コストで最先端の性能を達成できるか？
• RQ4 空間距離の重み$ m $は、コンパクトネスと境界追随性のトレードオフにどのように影響するか？

主な発見

• FLICはわずか2イテレーションで収束し、$ K=200 $ のスーパーピクセルに対して0.859の境界リコールと0.108のアンダーセグメンテーション誤差を達成し、10イテレーションを要するSLICを上回る。
• 481 × 321の画像に対して、1つのCPUコアで約30 fpsを達成し、従来手法の中で最も低い時間コストを実現する。
• 境界リコールは1イテレーション目で0.835から2イテレーション目で0.859に上昇し、2回目以降はほとんど向上しない。
• 4つの隣接ピクセルから8つに増やすことで性能はわずかに向上するが、速度が低下するため、実世界用途における調整可能なトレードオフを提供する。
• 共同割り当て・更新戦略により、別々の処理と比較して収束時間を2イテレーション短縮し、最終的な精度を劣化させない。
• すべての$ m $の値において、FLICはSLICおよびERSを常に上回り、$ m=5 $ がバランスの取れた結果を提供する。