TopoMortar：评估聚焦拓扑精度的图像分割方法的数据集
计算机视觉与模式识别
2025-08-19 v2
摘要
我们提出了TopoMortar，一个砖墙数据集，它是第一个专门设计用于评估聚焦拓扑的图像分割方法（如拓扑损失函数）的数据集。受到方法对数据集挑战（如小训练集、噪声标签和分布外测试集图像）的已知敏感性的启发，TopoMortar以两种方式创建，以调查方法在提升拓扑精度方面的有效性。第一，通过消除我们证明会影响拓扑损失函数有效性的数据集挑战。第二，通过允许在同一数据集中呈现不同的数据集挑战，将方法性能与数据集挑战隔离开来。TopoMortar包含三种类型的标签（精确标签、伪标签和噪声标签）、两个固定训练集（大规模和小规模），以及分布内和分布外测试集图像。我们在TopoMortar上比较了八种损失函数，发现clDice实现了拓扑最精确的分割，而其他损失函数的相对优势取决于实验设置。此外，我们表明数据增强和自蒸馏可以将交叉熵Dice损失提升到超越大多数拓扑损失函数的水平，并且这些简单方法也可以增强拓扑损失函数。TopoMortar和我们的代码可在https://jmlipman.github.io/TopoMortar 获取。
引用
@article{arxiv.2503.03365,
title = {TopoMortar: A dataset to evaluate image segmentation methods focused on topology accuracy},
author = {Juan Miguel Valverde and Motoya Koga and Nijihiko Otsuka and Anders Bjorholm Dahl},
journal= {arXiv preprint arXiv:2503.03365},
year = {2025}
}
备注
Accepted to BMVC 2025 (Oral)