Découpe Extrême Profonde : Des Points Extrêmes à la Segmentation d'Objets

Cet article explore l'utilisation de points extrêmes dans un objet (pixels les plus à gauche, les plus à droite, en haut, en bas) comme entrée pour obtenir une segmentation précise des objets dans les images et les vidéos. Nous le faisons en ajoutant une canal supplémentaire à l'image dans l'entrée d'un réseau de neurones convolutionnel (CNN), qui contient un gaussien centré sur chacun des points extrêmes. Le CNN apprend à transformer cette information en une segmentation d'un objet qui correspond à ces points extrêmes. Nous démontrons l'utilité de cette approche pour la segmentation guidée (style grabcut), la segmentation interactive, la segmentation d'objets dans les vidéos, et l'annotation de segmentation dense. Nous montrons que nous obtenons les résultats les plus précis à ce jour, avec également moins d'interaction utilisateur, dans une sélection extensive et variée de benchmarks et jeux de données. Tous nos modèles et codes sont disponibles publiquement sur http://www.vision.ee.ethz.ch/~cvlsegmentation/dextr/.