从分布外视角重新思考息肉分割
图像与视频处理
2024-03-22 v1 计算机视觉与模式识别
摘要
与现有的全监督方法不同，我们从分布外视角借助一种简单而有效的自监督学习方法来重新思考结直肠息肉分割。我们利用掩码自编码器（在重建任务上训练的自监督视觉 Transformer）学习分布内表征的能力；这里的分布指健康结肠图像的分布。随后我们执行分布外重建与推理，并通过特征空间标准化将多样化异常样本的潜在分布与健康样本的统计信息对齐。我们通过计算输入图像与重建图像之间的差异，为每幅图像生成逐像素异常分数，并将该信号用于分布外（即息肉）分割。在六个基准上的实验结果表明，我们的模型具有优异的分割性能并能在数据集间泛化。我们的代码公开于 https://github.com/GewelsJI/Polyp-OOD。
引用
@article{arxiv.2306.07792,
title = {Rethinking Polyp Segmentation from an Out-of-Distribution Perspective},
author = {Ge-Peng Ji and Jing Zhang and Dylan Campbell and Huan Xiong and Nick Barnes},
journal= {arXiv preprint arXiv:2306.07792},
year = {2024}
}
备注
Technical report