日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

水中画像/インスタンス分割arXiv:2606.08002

水中境界顕著性注意モジュールを用いた軽量水中顕著インスタンス分割検出トランスフォーマー

Aqua Boundary-Saliency Attention Module for Lightweight Underwater Salient Instance Segmentation Detection Transformer

シェア:XThreadsFacebookLINEはてブBluesky

水中画像の顕著なインスタンスを軽量に分割・検出するためのトランスフォーマーモデルを提案し、境界やコントラストなどの水中特有の手がかりを注意機構に組み込むことで、高速かつ高精度な推論を実現した。

詳しい要約

1. どんなもの?

- 本論文は、水中のsalient instance segmentationのための軽量なDetection Transformerフレームワーク「LUSIS-DETR」を提案する。 - 中核はAqua Boundary-Saliency Attention Module (AquaBSAM)で、水中特有の境界・コントラスト・減衰・彩度・dark-channel・中心事前の手がかりをDINOv2初期化の多スケール特徴に埋め込む。 - 補助マスク教師あり学習とsmall-object copy-pasteは訓練時のみ使用。 - 4つの水中インスタンスセグメンテーションデータセット(UIIS, UIIS10K, USIS10K, USIS16K)で評価。 - TensorRT FP16でNVIDIA T4 GPU上4.31-6.34 msのレイテンシを達成し、リアルタイム推論を可能にする。

2. 先行研究と比べてどこがすごい?

- 近年のprompt-basedやauxiliary-modality手法はマスク品質を改善するが、大規模foundation model、prompt生成、追加modality推定に依存し、効率的な展開が複雑になる。 - 本手法はそれらを必要とせず、軽量なdetection-transformerフレームワークで競争力のある性能を実現する点が異なる。 - 4つの最近の水中インスタンスセグメンテーションデータセットで、カテゴリ認識およびsalient-instanceプロトコルの両方において、従来のstate-of-the-artを上回る競争力のある性能を示す。 - TensorRT FP16で4.31-6.34 msのレイテンシを達成し、アクセス可能な再現設定でリアルタイム推論をサポートする。

3. 技術・手法の肝は?

- AquaBSAMが、水中のboundary, contrast, attenuation, chroma, dark-channel, center-priorの手がかりを、bounded residual modulationを通じてDINOv2初期化の多スケール特徴に埋め込む。 - 補助マスク教師あり学習とsmall-object copy-pasteは訓練時のみの補助として使用される。 - 軽量なdetection-transformerフレームワークとしてLUSIS-DETRを構築。 - 詳細なアーキテクチャや損失関数の設計は要旨からは不明。

4. どうやって有効だと検証した?

- 4つの最近の水中インスタンスセグメンテーションデータセット(UIIS, UIIS10K, USIS10K, USIS16K)で広範に評価。 - カテゴリ認識およびsalient-instanceプロトコルの両方で、従来のstate-of-the-artと比較して競争力のある性能を示す。 - NVIDIA T4 GPU上でTensorRT half-precision (FP16)ベンチマークを実施し、4.31-6.34 msのレイテンシを達成。 - リアルタイム推論が可能であることを示す。

5. 議論はある?

- 要旨からは、手法の限界や失敗事例、計算コストの詳細、データセット間の性能差に関する議論は不明。 - 軽量性とリアルタイム性を強調しているが、精度と効率のトレードオフに関する定量的な議論は要旨には記載されていない。 - 今後の課題や応用範囲についても要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている具体的な先行研究は明示されていないが、関連手法としてprompt-basedやauxiliary-modalityを用いた水中インスタンスセグメンテーション手法が挙げられる。 - 基盤モデルとしてDINOv2が使用されているため、DINOv2の論文は読むべき。 - データセットとしてUIIS, UIIS10K, USIS10K, USIS16Kが用いられており、これらのデータセット論文も参照すべき。 - 同分野の定番として、Detection Transformer (DETR)やその改良版、水中画像処理に関する一般的なサーベイも有用。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: M. Fazri Nizar, Julian Supardi, Muhammad Naufal Rachmatullah

分類: cs.CV

原文アブストラクト

Underwater instance segmentation integrates pixel-level mask prediction and instance-level discrimination for marine resource exploration, ecological monitoring, and underwater robotic perception. Recent prompt-based and auxiliary-modality methods improve mask quality, but their reliance on large foundation models, prompt generation, or extra modality estimation complicates efficient deployment. This work introduces Lightweight Underwater Salient Instance Segmentation Detection Transformer (LUSIS-DETR), a compact detection-transformer framework built around the Aqua Boundary-Saliency Attention Module (AquaBSAM). AquaBSAM embeds underwater boundary, contrast, attenuation, chroma, dark-channel, and center-prior cues into DINOv2-initialized multi-scale features through bounded residual modulation, while auxiliary mask supervision and small-object copy-paste are training-only. Extensive evaluation on four recent underwater instance segmentation datasets, UIIS, UIIS10K, USIS10K, and USIS16K, shows competitively leading performance against previous state-of-the-art works across category-aware and salient-instance protocols. TensorRT half-precision (FP16) benchmarking on an NVIDIA T4 graphics processing unit (GPU) achieves 4.31-6.34 milliseconds (ms) latency, supporting real-time inference under an accessible reproduction setting.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2Google DeepMind、ロボット向けAIを発表新製品・発表
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4パナソニックHDなど、触覚に即応する両手作業AI「T-Rex」を共同開発研究・技術
  5. 5SoftBank主導、Agile Robotsが5億ドル調達 NVIDIAと日立も参加資金調達

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI