Identity-Aware U-Net：Identity-Aware 表現学習によるきめ細かな細胞セグメンテーション

arXiv cs.CV / 2026/4/14

📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、インスタンス間で形状が非常に類似し境界が曖昧な場合の、きめ細かな細胞／物体セグメンテーションを目的とする Identity-Aware U-Net（IAU-Net）を提案する。
IAU-Net は、主となるピクセルレベルのマスク予測に加えて、同一性（identity）を識別できる表現を学習する補助埋め込み（embedding）ブランチを U-Net のエンコーダ・デコーダに拡張して組み込む。
三つ組（triplet）ベースのメトリック学習を追加し、ターゲットと一貫した埋め込みをグループ化しつつ難しいネガティブを押し離すことで、形態的に類似した物体の分離を改善する。
細胞セグメンテーションのベンチマークに関する実験では、重なり合うインスタンスやほぼ同一の輪郭／テクスチャを含む密なシーンにおいて、大きな性能向上が報告されている。
本研究はセグメンテーションを同一性を考慮した問題として捉え、カテゴリー（カテゴリ）レベルの局在化を超えて、密な予測タスクにおける信頼性の高いインスタンス識別（instance discrimination）を目指す。

要旨: 高度に類似した形状を持つ物体の精密なセグメンテーションは、密な予測において依然として難しい課題です。特に、境界が曖昧である状況、インスタンスが重なり合う状況、そしてインスタンス間の視覚的差異が弱い状況ではなおさらです。従来のセグメンテーションモデルは物体領域の局在化には有効ですが、多形的に（形態学的に）類似した注意（ディストラクタ）から、対象の物体を確実に識別するために必要な識別能力を欠いていることがしばしばあります。本研究では、アイデンティティを意識した観点からのきめ細かな物体セグメンテーションを考察し、空間的ローカライゼーションとインスタンス識別を同時にモデル化する統一フレームワークであるIdentity-Aware U-Net（IAU-Net）を提案します。U-Net型のエンコーダ・デコーダ構造に基づき、本手法はセグメンテーションのバックボーンに補助的な埋め込みブランチを追加し、高レベル特徴から識別的なアイデンティティ表現を学習します。一方で主ブランチは、ピクセル精度のマスクを予測します。輪郭やテクスチャがほぼ同一の物体を識別する頑健性を高めるために、さらにトリプレットに基づくメトリック学習を取り入れます。これは、対象に整合する埋め込み同士を引き寄せ、形態が類似したハードネガティブからは切り離します。この設計により、モデルはカテゴリ（クラス）レベルのセグメンテーションを超えて、見た目がよく似た物体同士を精密に識別するためのより強い能力を獲得できます。細胞セグメンテーションを含むベンチマークでの実験では、特に、類似した輪郭、密なレイアウト、曖昧な境界といった難しいケースにおいて有望な結果が示されました。