ContextLoss：用于拓扑保持分割的上下文信息
计算机视觉与模式识别
2025-06-16 v1 图像与视频处理
摘要
在图像分割中，保持血管、膜或道路等分割结构的拓扑结构至关重要。例如，道路网络上的拓扑错误会显著影响导航。最近提出的解决方案是基于关键像素掩码的损失函数，这些掩码在关键像素掩码中考虑了分割结构的整个骨架。我们提出了新颖的损失函数 ContextLoss (CLoss)，它通过在关键像素掩码中考虑拓扑错误及其完整上下文来提升拓扑正确性。额外的上下文改善了网络对拓扑错误的关注。此外，我们提出了两个直观的指标，以验证由于弥合遗漏连接而带来的连通性改善。我们在三个公共数据集（2D 和 3D）以及我们自己的骨水泥线 3D 纳米成像数据集上对提出的 CLoss 进行了基准测试。使用我们提出的 CLoss 进行训练可提高拓扑感知指标的性能，并且比其他最先进方法多修复高达 44% 的遗漏连接。我们已将代码公开。
引用
@article{arxiv.2506.11134,
title = {ContextLoss: Context Information for Topology-Preserving Segmentation},
author = {Benedict Schacht and Imke Greving and Simone Frintrop and Berit Zeller-Plumhoff and Christian Wilms},
journal= {arXiv preprint arXiv:2506.11134},
year = {2025}
}
备注
13 pages, 7 figures, accepted to ICIP 2025