ترجمه فارسی مقاله نیروهای ادغام‌کننده: اصلاح ماسک‌های قطعه‌بندی با هدایت عمیق انسانی

چکیده

Etruscan mirrors constitute a significant category in Etruscan art, characterized by elaborate figurative illustrations featured on their backside. A laborious and costly aspect of their analysis and documentation is the task of manually tracing these illustrations. In previous work, a methodology has been proposed to automate this process, involving photometric-stereo scanning in combination with deep neural networks. While achieving quantitative performance akin to an expert annotator, some results still lack qualitative precision and, thus, require annotators for inspection and potential correction, maintaining resource intensity. In response, we propose a deep neural network trained to interactively refine existing annotations based on human guidance. Our human-in-the-loop approach streamlines annotation, achieving equal quality with up to 75% less manual input required. Moreover, during the refinement process, the relative improvement of our methodology over pure manual labeling reaches peak values of up to 26%, attaining drastically better quality quicker. By being tailored to the complex task of segmenting intricate lines, specifically distinguishing it from previous methods, our approach offers drastic improvements in efficacy, transferable to a broad spectrum of applications beyond Etruscan mirrors.

چکیده به فارسی (ترجمه ماشینی)

آینه های اتروسکان یک دسته مهم در هنر اتروسکی را تشکیل می دهند ، که با تصاویر پیچیده و پیچیده ای که در قسمت پشتی آنها نشان داده شده است ، مشخص می شود.جنبه ای پر زحمت و پر هزینه از تحلیل و مستندات آنها وظیفه ردیابی دستی این تصاویر است.در کار قبلی ، روشی برای خودکار سازی این فرآیند ارائه شده است که شامل اسکن فوتومتریک-استرو در ترکیب با شبکه های عصبی عمیق است.در حین دستیابی به عملکرد کمی شبیه به یک حاشیه نویسی متخصص ، برخی از نتایج هنوز فاقد دقت کیفی هستند و بنابراین ، به حاشیه نویسی برای بازرسی و تصحیح بالقوه ، حفظ شدت منابع نیاز دارند.در پاسخ ، ما یک شبکه عصبی عمیق را که برای اصلاح تعاملی حاشیه نویسی های موجود بر اساس راهنمایی های انسانی آموزش داده شده است ، پیشنهاد می کنیم.رویکرد انسان در حلقه ما حاشیه نویسی را ساده تر می کند و به کیفیت برابر با حداکثر 75 ٪ ورودی دستی کمتر مورد نیاز است.علاوه بر این ، در طی فرآیند پالایش ، بهبود نسبی روش ما نسبت به برچسب زدن دستی خالص به مقادیر اوج حداکثر 26 ٪ می رسد و به سرعت به کیفیت بسیار بهتر می رسد.رویکرد ما با متناسب با کار پیچیده تقسیم خطوط پیچیده ، به طور خاص متمایز کردن آن از روشهای قبلی ، پیشرفت های چشمگیری در اثربخشی ارائه می دهد ، قابل انتقال به طیف گسترده ای از برنامه های فراتر از آینه های اتروسکان.