arxiv_readerのブックマーク / 2021年7月27日 - はてなブックマーク

arxiv_reader id:arxiv_reader

2021年7月27日のブックマーク (171件)

少数のラベル転送のための教師なし事前トレーニングを改善する
arxiv_reader 2021/07/27
教師なし事前トレーニングは大きな成功を収めており、最近の多くの研究では、教師なし事前トレーニングが、ダウンストリームのターゲットデータセットでの教師あり事前トレーニングと同等またはわずかに優れた転送パ

dataset

domain

clustering

contrastive learning

arXiv reaDer

arXiv

unsupervised
リンク
解きほぐされた表現によるスタイル転送を使用した構造保存マルチドメインステインカラー拡張
arxiv_reader 2021/07/27
デジタルパソロジーでは、染色手順とスキャナーが異なると、特に異なる研究所間で、スライド全体の画像（WSI）にかなりの色の変化が生じます。これらの色の変化により、トレーニングドメインから外部の病理学デー

dataset

GAN

classification

domain

augmentation

arXiv reaDer

disentangling

arXiv

representation
リンク
NeLF：ポートレートビューの合成と再照明のためのニューラルライトトランスポートフィールド
arxiv_reader 2021/07/27
人間の肖像画は、さまざまな照明条件の下でさまざまなビューから観察すると、さまざまな外観を示します。別の設定で顔がどのように見えるかは簡単に想像できますが、観察が限られているため、コンピューターアルゴリ

human

3D

arXiv reaDer

face

arXiv

synthesis
リンク
ディープラーニングに飛び込む
arxiv_reader 2021/07/27
このオープンソースの本は、ディープラーニングを親しみやすくし、読者に概念、コンテキスト、およびコードを教えるという私たちの試みを表しています。本全体がJupyterノートブックで作成され、説明の図、数

arXiv

arXiv reaDer

learning
リンク
MAG-Net：脳腫瘍のセグメンテーションと分類のためのマルチタスク注意誘導ネットワーク
arxiv_reader 2021/07/27
脳腫瘍は、すべての年齢層に見られる最も一般的で最も致命的な病気です。一般的に、MRIモダリティは、放射線科医による腫瘍の特定と診断に採用されています。腫瘍領域とそのタイプを正しく特定することは、フォロ

identification

dataset

attention

classification

multi-task

segmentation

arXiv reaDer

MRI

arXiv
リンク
動的シーングラフ生成のための時空間トランスフォーマー
arxiv_reader 2021/07/27
動的シーングラフ生成は、特定のビデオのシーングラフを生成することを目的としています。画像からのシーングラフ生成のタスクと比較すると、オブジェクト間の動的な関係とフレーム間の時間的依存関係により、より豊

dataset

benchmark

transformer

interpretation

video

arXiv reaDer

action

arXiv
リンク
対照的なクラス集中によるクラス増分学習での表現の重複を軽減する
arxiv_reader 2021/07/27
クラスインクリメンタル学習（CIL）の課題は、以前のデータが保持されていないのに、学習者が古いクラスのデータと新しいクラスのデータを区別するのが難しいことにあります。つまり、異なる位相の表現分布は互い

arXiv

representation learning

arXiv reaDer

contrastive
リンク
タスクインクリメンタル学習を忘れずに学習を守るために
arxiv_reader 2021/07/27
壊滅的な忘却は、継続的な学習システムへの道の主要な課題の1つであり、オンラインの一連のタスクが提示されます。この分野はかなりの関心を集めており、この課題を克服するためのさまざまな方法が提示されています

arXiv

learning

arXiv reaDer

knowledge distillation
リンク
視覚認識のためのコンテキストトランスフォーマーネットワーク
arxiv_reader 2021/07/27
自己注意を持ったTransformerは、自然言語処理分野に革命をもたらし、最近、多数のコンピュータービジョンタスクで競争力のある結果をもたらすTransformerスタイルのアーキテクチャ設計の出現

attention

transformer

detection

segmentation

arXiv reaDer

convolutional

arXiv

representation

computer vision
リンク
肺超音波ビデオでのBライン検出：デカルト表現と極表現
arxiv_reader 2021/07/27
肺超音波（LUS）イメージングは、重度のデング熱の結果としてのBラインアーチファクトの出現などの肺の異常を評価するために集中治療室（ICU）で普及しつつあります。これらのアーティファクトはLUS画像に

localization

attention

classification

detection

video

arXiv reaDer

arXiv

representation
リンク
高解像度衛星画像からの大陸規模の建物の検出
arxiv_reader 2021/07/27
建物の場所と設置面積を特定することは、多くの実用的および科学的な目的にとって不可欠です。このような情報は、代替データソースが不足している可能性のある開発途上地域で特に役立ちます。この作業では、50 c

regularization

satellite

detection

pre-training

segmentation

U-Net

arXiv reaDer

arXiv

loss function
リンク
術後乳房照射における自動腫瘍床体積描写のための顕著性誘導深層学習ネットワーク
arxiv_reader 2021/07/27
効率的で信頼性が高く再現性のあるターゲットボリュームの描写は、乳房放射線療法の効果的な計画における重要なステップです。ただし、CT画像では、腫瘍床体積（TBV）と正常な乳房組織とのコントラストが比較的

dataset

CT

segmentation

U-Net

arXiv reaDer

metric

arXiv

saliency

learning
リンク
ビデオと言語の推論のための意味論的コヒーレンスを用いた適応階層グラフ推論
arxiv_reader 2021/07/27
ビデオと言語の推論は、ビデオと言語の共同理解のために最近提案されたタスクです。この新しいタスクでは、自然言語のステートメントが特定のビデオクリップを伴うか矛盾するかについて推論を行うためのモデルが必要

video

arXiv reaDer

arXiv

learning

reasoning
リンク
CMSオープンデータによるブーストされたトップクォークのエンドツーエンドジェット分類
arxiv_reader 2021/07/27
トップクォークによって開始されたジェットを、軽いクォークまたはグルーオンのハドロン化から発生したジェットから区別するタスクへのエンドツーエンドの深層学習手法の新しいアプリケーションについて説明します。

benchmark

classification

detection

tracking

arXiv reaDer

arXiv

representation

learning
リンク
思考フローネット: 単一の予測からモデル思考のトレーニングまで
arxiv_reader 2021/07/27
人間が複雑な問題を解決するとき、すぐに決断を下すことはめったにありません。代わりに、彼らは直感的な決定から始め、それを熟考し、間違いを見つけ、矛盾を解決し、異なる仮説の間をジャンプします。したがって、

dataset

classification

gradient

adversarial

arXiv reaDer

arXiv

computer vision
リンク
スケルトンベースのアクション認識のためのチャネルワイズトポロジーリファインメントグラフ畳み込み
arxiv_reader 2021/07/27
グラフ畳み込みネットワーク（GCN）は広く使用されており、スケルトンベースのアクション認識で目覚ましい結果を達成しています。 GCNでは、グラフトポロジが特徴の集約を支配するため、代表的な特徴を抽出す

dataset

arXiv reaDer

GCN

arXiv

representation

learning

action recognition
リンク
画像ベースの駐車スペース占有分類：データセットとベースライン
arxiv_reader 2021/07/27
画像ベースの駐車スペース占有分類のための新しいデータセット、ACPDSを紹介します。以前のデータセットとは異なり、各画像は一意のビューから取得され、体系的に注釈が付けられ、列車、検証、およびテストセッ

arXiv

dataset

arXiv reaDer

classification
リンク
クラスごとのメモリバンクからのピクセルレベルの対照学習による半教師ありセマンティックセグメンテーション
arxiv_reader 2021/07/27
この作品は、半教師ありセマンティックセグメンテーションのための新しいアプローチを提示します。このアプローチの重要な要素は、セグメンテーションネットワークを強制して、データセット全体で同じクラスのサンプ

dataset

representation

benchmark

domain adaptation

contrastive learning

arXiv reaDer

arXiv

semi-supervised

semantic segmentation
リンク
圧縮ビデオによる効率的なビデオオブジェクトセグメンテーション
arxiv_reader 2021/07/27
ビデオの時間的冗長性を活用することにより、半教師ありビデオオブジェクトセグメンテーションのための効率的な推論フレームワークを提案します。私たちの方法は、選択されたキーフレームで推論を実行し、圧縮された

video

segmentation

arXiv reaDer

arXiv

semi-supervised
リンク
MagFace：顔認識と品質評価のための普遍的な表現
arxiv_reader 2021/07/27
取得した顔のばらつきが大きくなると、顔認識システムの性能が低下します。以前の作業では、前処理で顔の品質を監視するか、顔の特徴とともにデータの不確実性を予測することで、この問題を軽減しています。この論文

clustering

face recognition

arXiv reaDer

arXiv

representation

embedding
リンク
複数の畳み込みニューラルネットワークベースのモデルを使用した効率的な害虫分類
arxiv_reader 2021/07/27
正確な害虫の認識は、作物を保護したり、感染した収量を早期に処理したりするために重要であり、農業経済の損失を減らすのに役立ちます。手動による認識は時間がかかり、時間と費用がかかるため、自動害虫認識システ

dataset

benchmark

attention

classification

CNN

arXiv reaDer

arXiv

computer vision

learning
リンク
ドライバーによる車外オブジェクトの参照に適用されるディープラーニングを使用したマルチモーダルフュージョン
arxiv_reader 2021/07/27
車とのよりインテリジェントな自然なユーザーインタラクションへの関心が高まっています。手のジェスチャーとスピーチは、ドライバーと車の相互作用にすでに適用されています。さらに、マルチモーダルアプローチは自

gaze

gesture

arXiv reaDer

vehicle

arXiv

pose

learning
リンク
絵画における図像分類のためのデータセットと畳み込みモデル
arxiv_reader 2021/07/27
アートの図像学は、アートワークの視覚的内容を研究して、それらのモチーフとテーマを決定し、それらが表現される方法を特徴づける分野です。意味の解釈、表現の時間と空間における起源と拡散の調査、芸術家や芸術作

identification

classification

CNN

interpretation

arXiv reaDer

arXiv

representation

computer vision
リンク
StyleGANを使用した顔のアクションユニットの知覚的に検証された正確なローカル編集
arxiv_reader 2021/07/27
顔の表情を編集する機能は、コンピュータグラフィックスで幅広い用途があります。理想的な表情編集アルゴリズムは、2つの重要な基準を満たす必要があります。まず、個々の顔の動きを正確かつ的を絞って編集できるよ

arXiv reaDer

action

face

arXiv

disentangling
リンク
AA3DNet：注目の拡張リアルタイム3Dオブジェクト検出
arxiv_reader 2021/07/27
この作業では、点群データからの3Dオブジェクト検出の問題にリアルタイムで対処します。自動運転車が機能するためには、知覚コンポーネントが実世界の物体を高精度と高速推論の両方で検出することが非常に重要です

attention

domain

augmentation

3D

detection

loss function

arXiv reaDer

arXiv

real time

point cloud
リンク
Fit4CAD：CADモデルに単純な幾何学的プリミティブを適合させるための点群ベンチマーク
arxiv_reader 2021/07/27
CADモデルを表す点群に単純な幾何学的プリミティブをフィッティングする方法の評価と比較のためのベンチマークであるFit4CADを提案します。このベンチマークは、メソッド開発者と最高のパフォーマンスを発

dataset

benchmark

clustering

arXiv reaDer

arXiv

point cloud
リンク
自己監視型マルチセンサー変更検出
arxiv_reader 2021/07/27
ほとんどの変更検出方法は、変更前と変更後の画像が同じセンサーによって取得されることを前提としています。ただし、自然災害などの多くの実際のシナリオでは、発生の前後に利用可能な最新の画像を使用する方が実用

self-supervised

detection

clustering

generative

contrastive learning

arXiv reaDer

arXiv

unsupervised

synthesis
リンク
CPF：手と物体の相互作用をモデル化するための接触ポテンシャルフィールドの学習
arxiv_reader 2021/07/27
手オブジェクト（HO）の相互作用をモデル化するには、HOポーズを推定する必要があるだけでなく、相互作用による接触にも注意を払います。ディープラーニング手法を使用して手とオブジェクトを別々に推定すること

benchmark

attention

reconstruction

pose estimation

arXiv reaDer

metric

arXiv

representation

learning
リンク
因果的介入による偏りのない視覚感情認識に向けて
arxiv_reader 2021/07/27
視覚的感情認識は大きく進歩しましたが、研究者は、現代のディープネットワークがデータセットの特性を利用して、入力とターゲットの間の疑似統計的関連を学習する傾向があることを認識しています。このようなデータ

dataset

benchmark

bias

emotion

arXiv reaDer

arXiv
リンク
腹腔鏡画像からの胆嚢血管分布の評価のための複数インスタンス学習アプローチ
arxiv_reader 2021/07/27
腹腔鏡下胆嚢摘出術（LC）手術の開始時の重要なタスクは、胆嚢（GB）を検査して、その壁の厚さ、炎症の存在、および脂肪の程度を評価することです。 GB壁血管の視覚化の難しさは、潜在的に慢性炎症または他の

dataset

classification

Bayesian

arXiv reaDer

arXiv

computer vision

learning
リンク
注意ガイド付きの時間的にコヒーレントなビデオオブジェクトのマット
arxiv_reader 2021/07/27
この論文は、時間的にコヒーレントなマット結果を達成することができる新しい深層学習ベースのビデオオブジェクトマット法を提案します。その重要なコンポーネントは、ビデオマットネットワークに対する画像マットネ

dataset

attention

video

segmentation

sparse

arXiv reaDer

arXiv

occlusion
リンク
共同視覚意味論的推論：テキスト認識のための多段階デコーダー
arxiv_reader 2021/07/27
テキスト認識は何年にもわたって大幅に進化しましたが、最先端の（SOTA）モデルは、複雑な背景、さまざまなフォント、制御されていない照明、歪み、その他のアーティファクトのために、野生のシナリオで依然とし

attention

residual

arXiv reaDer

arXiv

reasoning
リンク
トランスフォーマーを使用したマルチシーン絶対ポーズ回帰の学習
arxiv_reader 2021/07/27
絶対カメラポーズリグレッサは、キャプチャされた画像のみからカメラの位置と向きを推定します。通常、多層パーセプトロンヘッドを備えた畳み込みバックボーンは、一度に1つの参照シーンを埋め込むために画像とポー

embedding

localization

dataset

transformer

arXiv reaDer

convolutional

arXiv

pose

learning
リンク
テキストはテキストであり、問題はありません：知識蒸留を使用したテキスト認識の統合
arxiv_reader 2021/07/27
テキスト認識は、主にその幅広い商用アプリケーションのために、コンピュータビジョンの基本的で広範囲に研究されたトピックのままです。しかし、非常に困難な問題の性質により、研究努力の断片化が必要になりました

domain

arXiv reaDer

arXiv

computer vision

knowledge distillation
リンク
視覚オブジェクトトラッキングを敵対的にぼかすことを学ぶ
arxiv_reader 2021/07/27
露出中のオブジェクトまたはカメラの移動によって引き起こされるモーションブラーは、視覚的なオブジェクトトラッキングにとって重要な課題であり、トラッキングの精度に大きく影響します。この作業では、新しい角度

dataset

adversarial

tracking

arXiv reaDer

arXiv

real time

learning

synthesis
リンク
見えないものに向けて：エラーから抽出することによる反復テキスト認識
arxiv_reader 2021/07/27
視覚的テキスト認識は、間違いなくコンピュータビジョンで最も広く研究されているトピックの1つです。これまでに大きな進歩が見られ、最新のモデルはより実用的な「インザワイルド」設定に焦点を合わせ始めています

dataset

arXiv reaDer

arXiv

saliency

computer vision
リンク
一般化された宝くじの仮説
arxiv_reader 2021/07/27
パラメータの空間で任意の基準を選択することにより、「スパース性」の概念が緩和される宝くじの仮説の一般化を紹介します。正規ベースで報告された元の結果が、このより広い設定で保持され続けるという証拠を提示し

arXiv

arXiv reaDer

pruning
リンク
HANet：ビデオテキスト検索のための階層的アライメントネットワーク
arxiv_reader 2021/07/27
ビデオテキスト検索は、視覚言語理解において重要でありながら挑戦的なタスクです。これは、関連するビデオインスタンスとテキストインスタンスが互いに近接している共同埋め込みスペースを学習することを目的として

dataset

video

arXiv reaDer

action

disentangling

arXiv

representation

embedding

learning
リンク
自然な分布シフトに対するロバスト性を測定するための合成破損の使用
arxiv_reader 2021/07/27
ベンチマークに集められた合成破損は、分布シフトに対するニューラルネットワークの堅牢性を測定するために頻繁に使用されます。ただし、合成破損ベンチマークに対する堅牢性は、実際のアプリケーションで発生する分

arXiv

benchmark

arXiv reaDer

synthesis
リンク
3D AGSE-VNet：自動脳腫瘍MRIデータセグメンテーションフレームワーク
arxiv_reader 2021/07/27
背景：神経膠腫は最も一般的な脳の悪性腫瘍であり、罹患率が高く、死亡率が3％を超えており、人間の健康を深刻に危険にさらしています。クリニックで脳腫瘍を取得する主な方法はMRIです。マルチモーダルMRIス

human

attention

3D

segmentation

arXiv reaDer

MRI

arXiv
リンク
詳細合成と伝播のためのGANを使用したニューラルビデオ圧縮
arxiv_reader 2021/07/27
以前のニューラルビデオ圧縮方法よりも優れており、ユーザー調査でHEVCに匹敵する、敵対的生成ネットワーク（GAN）に基づくニューラルビデオ圧縮方法を紹介します。スペクトル分析によって動機付けられた、ラ

GAN

video

arXiv reaDer

arXiv

compression
リンク
2Dからの学習：3D事前トレーニングのための対照的なピクセルからポイントへの知識の伝達
arxiv_reader 2021/07/27
大規模なラベル付きデータセットがないため、ほとんどの3Dニューラルネットワークは最初からトレーニングされています。この論文では、豊富な2Dデータセットから学習した2Dネットワークを活用することにより、

dataset

3D

arXiv reaDer

arXiv

representation

learning

embedding

contrastive
リンク
パラメトリック対照学習
arxiv_reader 2021/07/27
本論文では、ロングテール認識に取り組むためのパラメトリック対照学習（PaCo）を提案する。理論的分析に基づいて、教師あり対照損失は高周波クラスにバイアスをかける傾向があり、したがって不均衡学習の難しさ

arXiv

contrastive learning

arXiv reaDer

bias
リンク
ゼロショット視覚意味学習者としての言語モデル
arxiv_reader 2021/07/27
画像を豊富なセマンティック埋め込みスペースにマッピングするビジュアルセマンティック埋め込み（VSE）モデルは、オブジェクト認識とゼロショット学習のマイルストーンです。 VSEへの現在のアプローチは、静

bias

transformer

zero-shot

arXiv reaDer

arXiv

representation

embedding

learning
リンク
近赤外画像の小さなセットからの合成眼周囲虹彩PAI
arxiv_reader 2021/07/27
バイオメトリクスは、たとえばアクセス制御などのいくつかのアプリケーションに使用できるため、最近では関連性が高まっています。残念ながら、生体認証アプリケーションの展開が増えるにつれ、攻撃の増加が見られま

benchmark

GAN

detection

arXiv reaDer

arXiv

synthesis
リンク
容積測定CTPAスキャンからのRVひずみ分類のための弱教師あり注意モデル
arxiv_reader 2021/07/27
肺塞栓症（PE）は、血栓による肺動脈の閉塞を指します。 PEは、米国だけで年間約100,000人の死亡を占めています。 PEの臨床症状はしばしば非特異的であり、診断を困難にします。したがって、迅速かつ

dataset

attention

classification

CNN

3D

weakly-supervised

CT

residual

arXiv reaDer

arXiv
リンク
Facetron: クロスモーダル潜在表現に基づくマルチスピーカーの対面音声モデル
arxiv_reader 2021/07/27
本論文では、個人の顔のビデオを条件付けすることにより、話者固有の音声波形を合成する効果的な方法を提案します。補助条件として言語的および話者特性機能を備えた生成的敵対的ネットワーク（GAN）を使用して、

GAN

pre-training

video

arXiv reaDer

face

arXiv

representation

learning
リンク
HRegNet：大規模な屋外LiDARポイントクラウド登録のための階層ネットワーク
arxiv_reader 2021/07/27
点群の登録は、3Dコンピュータービジョンの基本的な問題です。屋外のLiDARポイントクラウドは通常、大規模で複雑に分散しているため、登録が困難です。本論文では、大規模な屋外LiDAR点群登録のためのH

dataset

keypoint

LiDAR

3D

arXiv reaDer

arXiv

computer vision

point cloud
リンク
視覚的セマンティック埋め込みの残りの部分
arxiv_reader 2021/07/27
ゼロショット学習（ZSL）は、幼児に新しいオブジェクトを認識させるメカニズムとの緊密なリンクにより、10年にわたって関心が高まっています。視覚的意味埋め込みモデルのさまざまなパラダイムは、視覚的特徴と

benchmark

pre-training

contrastive learning

zero-shot

arXiv reaDer

arXiv

representation

embedding
リンク
視覚認識のための増強経路ネットワーク
arxiv_reader 2021/07/27
データ拡張は、特にデータが不足しているときに、視覚的な認識に実際に役立ちます。ただし、このような成功は、かなりの数の軽い増強（たとえば、ランダムクロップ、フリップ）に限定されます。元の画像と拡張された

arXiv

augmentation

benchmark

arXiv reaDer
リンク
良性の敵対的攻撃：善のためのトリックモデル
arxiv_reader 2021/07/27
多くの分野でアプリケーションが成功しているにもかかわらず、今日の機械学習アルゴリズムは、敵対的な例に対する脆弱性などの悪名高い問題に悩まされています。このホワイトペーパーでは、敵対的な攻撃と防御の間の

adversarial

augmentation

arXiv reaDer

arXiv

learning
リンク
Meta-FDMixup：ラベル付けされたターゲットデータに基づくクロスドメインの少数ショット学習
arxiv_reader 2021/07/27
最近の研究では、ドメインギャップが観察された場合、ソースドメインでトレーニングされた既存の数ショットの学習方法は、新しいターゲットドメインに一般化できないことがわかりました。これは、クロスドメイン少数

dataset

domain

few-shot

arXiv reaDer

disentangling

arXiv

learning
リンク
少数ショット学習のためのトランスダクティブ最大マージン分類器
arxiv_reader 2021/07/27
少数ショット学習は、クラスごとに少数のラベル付きサンプルが与えられた場合にうまく一般化できる分類器をトレーニングすることを目的としています。数ショット学習のためのトランスダクティブ最大マージン分類器（

benchmark

few-shot

arXiv reaDer

arXiv

learning
リンク
マルチモーダル知識グラフによるエンティティ認識画像キャプションの強化
arxiv_reader 2021/07/27
エンティティ対応の画像キャプションは、関連記事の背景知識を利用して、画像に関連する名前付きエンティティとイベントを説明することを目的としています。名前付きエンティティのロングテール分布のため、名前付き

dataset

captioning

attention

arXiv reaDer

arXiv
リンク
乗法ユークリッドマージンSoftmaxを使用したスケッチベースの画像検索のためのドメイン対応SEネットワーク
arxiv_reader 2021/07/27
この論文は、スケッチベースの画像検索（SBIR）の新しいアプローチを提案します。そのための鍵は、データ表現の観点からスケッチと写真の間のギャップを埋めることです。近年調査されたチャネルごとの注意に触発

dataset

benchmark

attention

domain

arXiv reaDer

arXiv

representation

learning

loss function
リンク
少数ショットのビデオ分類のための時間的アラインメント予測
arxiv_reader 2021/07/27
数ショットのビデオ分類の目標は、少数のラベル付きビデオのみでトレーニングされたときに、優れた一般化能力を備えた分類モデルを学習することです。ただし、このような設定では、ビデオの識別機能表現を学習するこ

benchmark

classification

domain

video

few-shot

arXiv reaDer

arXiv

representation

learning
リンク
対になっていないマルチコントラストMR画像変換のための統合Hyper-GANモデル
arxiv_reader 2021/07/27
クロスコントラスト画像の変換は、臨床診断で欠落しているコントラストを完成させるための重要なタスクです。ただし、ほとんどの既存の方法では、コントラストのペアごとに個別のトランスレータを学習します。これは

arXiv

arXiv reaDer

MRI

dataset
リンク
畳み込みニューラルネットワークのための対数極空間畳み込み
arxiv_reader 2021/07/27
畳み込みニューラルネットワークは、通常の四辺形畳み込みカーネルを使用して特徴を抽出します。パラメータの数は畳み込みカーネルのサイズとともに二次関数的に増加するため、多くの一般的なモデルは小さな畳み込み

dataset

CNN

arXiv reaDer

pooling

arXiv
リンク
生成モデリングのためのディープメトリック学習による多様体マッチング
arxiv_reader 2021/07/27
分布ジェネレーター（またはデータジェネレーター）とメトリックジェネレーターを含む生成モデルへのマニフォールドマッチングアプローチを提案します。私たちのフレームワークでは、実際のデータセットを高次元のユ

manifold

generative

super-resolution

arXiv reaDer

metric learning

arXiv

unsupervised
リンク
エージェント：コア心理学的推論のベンチマーク
arxiv_reader 2021/07/27
機械エージェントが実際の環境で人間とうまく対話するには、人間の精神生活についての理解を深める必要があります。直感的な心理学、つまり観察可能な行動を促進する隠れた精神的変数について推論する能力は、自然に

dataset

benchmark

human

3D

Bayesian

arXiv reaDer

action

arXiv

representation

reasoning
リンク
CP損失：航空写真を使用した自動運転における道路縁石検出のための接続性維持損失
arxiv_reader 2021/07/27
自動運転には、道路の縁石の検出が重要です。これを使用して道路の境界を決定し、車両を道路に拘束して、潜在的な事故を回避することができます。現在の方法のほとんどは、カメラや3D LIDARなどの車載センサ

dataset

LiDAR

detection

autonomous driving

segmentation

arXiv reaDer

arXiv

occlusion

loss function
リンク
シーンビデオテキストスポッティングに関するICDAR2021コンペティション
arxiv_reader 2021/07/27
シーンビデオテキストスポッティング（SVTS）は、実際のアプリケーションが多いため、非常に重要な研究トピックです。ただし、静止画像でのシーンテキストのスポッティングに関する大規模な調査とは対照的に、シ

dataset

attention

detection

video

tracking

arXiv reaDer

arXiv
リンク
BASAR：骨格行動認識に対するブラックボックス攻撃
arxiv_reader 2021/07/27
骨格運動は、独立したデータソースまたは補完物としての人間の活動認識において重要な役割を果たします。スケルトンベースのアクティビティレコグナイザーの堅牢性が最近疑問視されています。これは、レコグナイザー

human

adversarial

activity

arXiv reaDer

arXiv

action recognition
リンク
内視鏡ビデオにおけるリアルタイム機器セグメンテーションのためのマルチフレーム機能集約
arxiv_reader 2021/07/27
ディープラーニングベースの方法は、手術器具のセグメンテーションで有望な結果を達成しています。ただし、計算コストが高いため、ロボット支援手術のオンライン手術ビデオ分析など、時間に敏感なタスクへのディープ

dataset

video

recurrent

segmentation

arXiv reaDer

arXiv

real time
リンク
不完全なデータによる肺がんリスクの推定：結合の欠落した代入の視点
arxiv_reader 2021/07/27
マルチモダリティからのデータは、臨床予測において補足的な情報を提供しますが、臨床コホートでデータが欠落していると、マルチモーダル学習コンテキストの被験者数が制限されます。マルチモーダル欠測代入は、次の

dataset

regularization

adversarial

generative

arXiv reaDer

arXiv

estimation

learning
リンク
ビデオベースの個人再識別のための時空間表現因数分解
arxiv_reader 2021/07/27
ビデオベースの人物再識別（re-ID）の最近の進歩にもかかわらず、現在の最先端技術は、さまざまな人物間の外観の類似性、オクルージョン、フレームの不整合など、一般的な現実世界の課題に依然として苦しんでい

benchmark

re-id

CNN

3D

spatio-temporal

person

arXiv reaDer

arXiv

representation

occlusion
リンク
画像ノイズ除去のためのマルチスケールスパース化変換学習
arxiv_reader 2021/07/27
合成辞書学習（K-SVDなど）やスパース化変換学習などのデータ駆動型スパース手法は、画像のノイズ除去に効果的であることが証明されています。ただし、これらは本質的に単一スケールであるため、最適な結果が得

denoising

sparse

arXiv reaDer

arXiv

learning

synthesis
リンク
視覚的な注意散漫を無視することによるロボットの位置特定の改善
arxiv_reader 2021/07/27
注意は、現代の深層学習の重要な要素です。ただし、その逆はあまり重要視されていません。気を散らすものを無視することです。私たちの日常生活では、私たちが達成しようとしているタスクを混乱させる顕著な視覚的特

attention

saliency

arXiv reaDer

arXiv

robot

learning
リンク
PlenoptiCam v1.0：ライトフィールドイメージングフレームワーク
arxiv_reader 2021/07/27
ライトフィールドカメラは、狭距離深度センシングアプリケーションでの豊富な3D情報検索に重要な役割を果たします。プレノプティックカメラによって撮影された露出からライトフィールドを構成する際の主な障害は、

arXiv

benchmark

arXiv reaDer

metric
リンク
マルチモーダルデータは少数のショットの学習を改善しますか？
arxiv_reader 2021/07/27
ほとんどの数ショットの学習モデルは、1つのモダリティのデータのみを利用します。モダリティ（画像のテキスト説明）を追加した場合にモデルがどの程度改善されるか、およびそれが学習手順にどのように影響するかを

classification

few-shot

arXiv reaDer

arXiv

learning
リンク
P-KDGAN：1クラスの新規性検出のためのGANによるプログレッシブ知識蒸留
arxiv_reader 2021/07/27
1クラスの目新しさの検出は、予想される通常のインスタンスに適合しない異常なインスタンスを識別することです。このペーパーでは、エンコーダーデコーダーエンコーダーパイプラインに基づく生成的敵対的ネットワ

GAN

detection

arXiv reaDer

arXiv

learning

knowledge distillation
リンク
ビデオへのトランスクリプト：テキストからの効率的なクリップシーケンス
arxiv_reader 2021/07/27
ウェブ上で共有されている数多くのビデオの中で、よく編集されたビデオは常により多くの注目を集めています。ただし、専門的な専門知識と膨大な手作業が必要なため、経験の浅いユーザーが適切に編集されたビデオを作

attention

weakly-supervised

video

arXiv reaDer

arXiv

representation

real time

learning
リンク
セマンティックセグメンテーションにおける教師なしドメイン適応のロバスト性の調査
arxiv_reader 2021/07/27
最近の研究は、ディープニューラルネットワークが敵対的な例に対して脆弱であることを示唆しています-わずかではあるが意図的な摂動を伴う入力は、ネットワークによって誤って分類されます。このような脆弱性は、一

benchmark

classification

self-supervised

adversarial

domain adaptation

arXiv reaDer

arXiv

pose

semantic segmentation

unsupervised
リンク
デバイス上のコンテンツのモデレーション
arxiv_reader 2021/07/27
インターネットの出現により、今日の大きな問題は、職場で安全ではない（NSFW）コンテンツのモデレーションです。スマートフォンは今や何十億もの人々の日常生活の一部となっているため、スマートフォンに存在す

dataset

identification

detection

arXiv reaDer

arXiv
リンク
咬合境界でのツイン表面外挿による深さの完了
arxiv_reader 2021/07/27
深度の完了は、既知の深度値のまばらなセットから始まり、残りの画像ピクセルの未知の深度を推定します。ほとんどの方法は、これを深度補間としてモデル化し、深度ピクセルを空間的に異なるオブジェクト間の空のスペ

dataset

synthesis

sparse

arXiv reaDer

arXiv

representation

occlusion

loss function
リンク
自動糖尿病性網膜症スクリーニングにおける分布シフト
arxiv_reader 2021/07/27
深層学習ベースのモデルは、糖尿病性網膜症（DR）スクリーニングで網膜画像が「好ましい」かどうかを自動的に検出するために開発されています。ただし、入力画像がトレーニング分布から分布的にシフトするため、分

dataset

human

classification

detection

arXiv reaDer

arXiv

OOD
リンク
連結されたBdSLネットワークを使用したバングラ手話認識
arxiv_reader 2021/07/27
手話は、聴覚障害者と聴覚障害者およびダムコミュニティのための唯一のコミュニケーション手段です。したがって、一般大衆とのコミュニケーションは、このマイノリティグループにとって常に課題です。特にバングラ手

keypoint

CNN

pose estimation

arXiv reaDer

arXiv
リンク
深くする代わりに広くする
arxiv_reader 2021/07/27
変圧器は最近、さまざまなタスクで印象的な結果を達成しました。変圧器の有効性と効率をさらに改善するために、既存の作業には2つの考えがあります。（1）より訓練可能なパラメーターにスケーリングすることによっ

arXiv

representation

arXiv reaDer

transformer
リンク
きめ細かい行動認識のための適応再帰円フレームワーク
arxiv_reader 2021/07/27
ビデオのきめ細かい時空間ダイナミクスをモデル化する方法は、アクション認識にとって難しい問題でした。それは微妙で抽象的な動きのための優れた特徴を備えた深くて豊かな特徴を学ぶことを必要とします。ほとんどの

benchmark

video

arXiv reaDer

arXiv

learning

action recognition
リンク
統一された視点からの学習とビジョンのためのバイレベル最適化の調査：調査とその先
arxiv_reader 2021/07/27
バイレベル最適化（BLO）は、経済ゲーム理論の分野から始まり、最適化コミュニティに導入されました。 BLOは、一方のタスクがもう一方のタスク内にネストされている2つのレベルの最適化タスクを含む階層構造

adversarial

multi-task

reinforcement learning

NAS

arXiv reaDer

arXiv

computer vision
リンク
幾何学的視覚問題に対する効率的な大規模インライア投票
arxiv_reader 2021/07/27
外れ値の拒否と同等のインライアセットの最適化は、カメラポーズ推定または点群での平面および法線推定でのポイント一致のフィルタリングなど、コンピュータビジョンの多くのアプリケーションで重要な要素です。いく

domain

approximation

pose estimation

arXiv reaDer

face

arXiv

computer vision

point cloud
リンク
スライド全体の画像からグリーソン組織を抽出し、前立腺癌を等級分けするための拡張された残留階層的に作成されたセグメンテーションフレームワーク
arxiv_reader 2021/07/27
前立腺がん（PCa）は、男性で2番目に致命的ながんの形態であり、グリーソン組織の構造的表現を調べることで臨床的に分類できます。この論文は、スライド画像全体（WSI）からPCaを格付けするために、グリー

dataset

residual

arXiv reaDer

arXiv

representation

semantic segmentation

loss function
リンク
碑文スクリプトのノイズ除去とセグメンテーション
arxiv_reader 2021/07/27
この論文は、ハラリックの特徴を使用して画像のノイズを除去し、人工ニューラルネットワークを使用して文字をさらにセグメント化するための新しい方法のプレゼンテーションです。画像はカーネルに分割され、各カーネ

classification

denoising

segmentation

arXiv reaDer

arXiv
リンク
任意の形のシーンテキスト検出のための包括的な研究
arxiv_reader 2021/07/27
近年、数多くのシーンテキスト検出方法が提案されています。それらのほとんどは、最先端のパフォーマンスを達成したと宣言しています。ただし、設定に一貫性がないため、パフォーマンスの比較は不公平です（たとえば

detection

clustering

arXiv reaDer

arXiv

representation
リンク
機械学習技術を使用したキャラクタースポッティング
arxiv_reader 2021/07/27
この作品は、画像として提示されたテキストの文字をセグメント化するために実装された機械学習アルゴリズムの比較を提示します。アルゴリズムは、整理された方法で配置されていないテキストを含む劣化したドキュメン

arXiv

arXiv reaDer

learning
リンク
Vehicle-Rear：畳み込みニューラルネットワークを使用した車両識別のための機能融合を調査するための新しいデータセット
arxiv_reader 2021/07/27
この作業は、重なり合わないカメラによる車両識別の問題に対処します。主な貢献として、車両識別用の新しいデータセットであるVehicle-Rearを紹介します。このデータセットには、3時間以上の高解像度ビ

dataset

identification

CNN

video

arXiv reaDer

vehicle

arXiv
リンク
弱教師ありセマンティックセグメンテーションのための親和性学習による補助タスクの活用
arxiv_reader 2021/07/27
セマンティックセグメンテーションは、密にラベル付けされたデータがない場合、困難な作業です。画像レベルのラベルが付いたクラスアクティベーションマップ（CAM）のみに依存すると、セグメンテーションの監視が

benchmark

classification

multi-task

detection

weakly-supervised

pre-training

arXiv reaDer

affinity

arXiv

semantic segmentation
リンク
ディープラーニングベースの凍結切片からFFPEへの翻訳
arxiv_reader 2021/07/27
凍結切片（FS）は、外科手術中の組織の顕微鏡評価に最適な調製方法です。高速の手順により、病理学者は腫瘍の縁や悪性状態などの主要な顕微鏡的特徴を迅速に評価して、外科的意思決定を導き、手術の過程への混乱を

arXiv

compression

arXiv reaDer
リンク
トランスフォーマーを使用したシーケンス間の観点からのセマンティックセグメンテーションの再考
arxiv_reader 2021/07/27
最新のセマンティックセグメンテーション手法は、エンコーダ-デコーダアーキテクチャを備えた完全畳み込みネットワーク（FCN）を採用しています。エンコーダーは空間分解能を徐々に低下させ、より大きな受容野で

attention

transformer

seq2seq

arXiv reaDer

convolutional

arXiv

semantic segmentation
リンク
軽量ニューラルネットワークのマルチタスク学習に基づく顔の表情と属性の認識
arxiv_reader 2021/07/27
この論文では、軽量畳み込みニューラルネットワークのマルチタスク学習を研究して、顔の識別と、マージンのないトリミングされた顔でトレーニングされた顔の属性（年齢、性別、民族性）の分類を行います。顔の表情を

identification

dataset

classification

multi-task

CNN

emotion

video

arXiv reaDer

face

arXiv
リンク
ReDAL：点群セマンティックセグメンテーションのための地域ベースで多様性を意識したアクティブラーニング
arxiv_reader 2021/07/27
教師あり点群のセマンティックセグメンテーションに関するディープラーニングの成功にもかかわらず、大規模なポイントごとの手動注釈を取得することは依然として重要な課題です。膨大な注釈の負担を軽減するために、

dataset

3D

arXiv reaDer

arXiv

semantic segmentation

learning

point cloud
リンク
BRECQ：ブロック再構成によるトレーニング後の量子化の限界を押し上げる
arxiv_reader 2021/07/27
ポストトレーニング量子化（PTQ）と呼ばれる、エンドツーエンドの再トレーニングなしのニューラルネットワーク量子化の挑戦的なタスクを研究します。 PTQは通常、トレーニングデータの小さなサブセットを必要

classification

reconstruction

detection

quantization

arXiv reaDer

arXiv
リンク
LIMEは実際に画像で何を見ていますか？
arxiv_reader 2021/07/27
オブジェクト認識などの特定のコンピュータビジョンタスクでの最新のアルゴリズムのパフォーマンスは、現在、人間のパフォーマンスに近づいています。この成功は、数百万のパラメーターに依存する複雑なアーキテクチ

arXiv

arXiv reaDer

detection

computer vision
リンク
リモートセンシング画像におけるインスタンスセグメンテーションのための意味的注意とスケール補完ネットワーク
arxiv_reader 2021/07/27
この論文では、リモートセンシング画像（RSI）における挑戦的なマルチカテゴリインスタンスセグメンテーション問題に焦点を当てます。これは、すべてのインスタンスのカテゴリを予測し、ピクセルレベルのマスクで

dataset

attention

landmark

arXiv reaDer

convolutional

arXiv

semantic segmentation
リンク
アクションを模倣することはできますか？ビデオから人間のダイナミクスを再構築して転送する方法を学ぶ
arxiv_reader 2021/07/27
ビデオデモンストレーションが与えられた場合、このビデオに含まれているアクションを模倣できますか？この論文では、メッシュベースのアクション模倣と呼ばれる新しいタスクを紹介します。このタスクの目的は、任意

human

video

arXiv reaDer

action

arXiv

pose

mesh
リンク
ビデオトランスフォーマーネットワーク
arxiv_reader 2021/07/27
このホワイトペーパーでは、ビデオ認識用のトランスベースのフレームワークであるVTNについて説明します。ビジョントランスフォーマーの最近の開発に触発されて、3D ConvNetsに依存するビデオアクショ

classification

domain

transformer

3D

video

arXiv reaDer

arXiv

action recognition
リンク
組み込みリアルタイムアプリケーションのための変分オートエンコーダベースの分布外検出の改善
arxiv_reader 2021/07/27
機械学習の不確実性は、セーフティクリティカルなサイバーフィジカルシステム（CPS）に適用するための重要な障害です。不確実性の原因の1つは、トレーニングシナリオとテストシナリオの間の入力データの分布の変

simulation

detection

video

autonomous driving

generative

arXiv reaDer

arXiv

real time

OOD

learning
リンク
MOGAN：単一の画像からの形態学的構造を意識したジェネレーティブ学習
arxiv_reader 2021/07/27
ほとんどのインタラクティブな画像生成タスクでは、ユーザーが関心領域（ROI）を指定すると、生成された結果は、元の画像の正確で合理的な構造を維持しながら、外観に十分な多様性があると予想されます。限られた

GAN

attention

augmentation

arXiv reaDer

arXiv

learning
リンク
層状分解による障害物の透視を学ぶ
arxiv_reader 2021/07/27
移動するカメラでキャプチャされた一連の短い画像から、窓の反射、柵の閉塞、付着した雨滴などの不要な障害物を取り除くための学習ベースのアプローチを紹介します。私たちの方法は、背景要素と妨害要素の間の動きの

CNN

reconstruction

optical flow

arXiv reaDer

arXiv

estimation

occlusion

learning
リンク
マルチビューマルチスケール監視による画像操作検出
arxiv_reader 2021/07/27
画像操作検出の重要な課題は、本物の画像の誤警報を防ぐために特定しながら、新しいデータの操作に敏感な一般化可能な機能をどのように学習するかです。現在の研究は感度を強調しており、特異性は見過ごされています

benchmark

detection

arXiv reaDer

arXiv

semantic segmentation

learning
リンク
PoseFace：顔認識のためのポーズ不変の機能とポーズ適応損失
arxiv_reader 2021/07/27
顔認識のディープラーニング手法によって大きな成功を収めたにもかかわらず、制約のない環境（監視や写真のタグ付けの場合など）での大きなポーズの変化に対して、深刻なパフォーマンスの低下が観察されます。これに

benchmark

landmark

face recognition

arXiv reaDer

arXiv

pose

learning
リンク
イベントストリーム分類のための時間的注意スパイキングニューラルネットワーク
arxiv_reader 2021/07/27
イベントが一般にまばらで不均一であり、マイクロ秒の時間分解能を持つ時空間イベントストリームを効果的かつ効率的に処理する方法は非常に価値があり、さまざまな実際のアプリケーションがあります。スパイキングニ

gesture

attention

classification

spatio-temporal

sparse

arXiv reaDer

SNN

arXiv

representation
リンク
G2DA：RGB赤外線による人物の再識別のためのジオメトリガイド付きデュアルアライメント学習
arxiv_reader 2021/07/27
RGB赤外線（IR）人物の再識別は、異なるセンシング波長範囲によって引き起こされる大きな画像モダリティの不一致に簡単に悩まされている異種カメラから関心のある人物を取得することを目的としています。既存の

human

re-id

attention

domain

person

arXiv reaDer

metric

arXiv

representation

learning
リンク
ダイナミックロスネットワークによるビデオキャプションの強化
arxiv_reader 2021/07/27
ビデオキャプションは、視覚と言語の交差点での困難な問題の1つであり、ビデオ検索、ビデオ監視、視覚障害者の支援、ヒューマンマシンインターフェイスなど、多くの実際のアプリケーションがあります。最近の深層学

captioning

dataset

classification

detection

video

arXiv reaDer

metric

arXiv

loss function
リンク
テンソル最適輸送、メジャーセット間の距離、テンソルスケーリング
arxiv_reader 2021/07/27
d> 2の離散測度に対する最適な輸送問題を研究します。これは、d-テンソルの線形計画問題です。これは、2つのセットの離散メジャー間の「距離」を計算する方法を提供します。テンソルのスケーリングを生じさ

arXiv

regularization

arXiv reaDer
リンク
コスタリカのローカルクリニックにおけるマンモグラム分類のための半教師あり学習の実際の使用例
arxiv_reader 2021/07/27
マンモグラム画像を分類するための深層学習ベースのコンピュータ支援診断システムの実装は、患者の診断の精度、信頼性、およびコストを改善するのに役立ちます。ただし、深層学習モデルのトレーニングにはかなりの量

dataset

classification

arXiv reaDer

transfer learning

metric

arXiv

semi-supervised
リンク
ST-DETR：時空間オブジェクトトレース注意検出トランスフォーマー
arxiv_reader 2021/07/27
一連の時間フレームからオブジェクトを検出するための時空間トランスフォーマーベースのアーキテクチャであるST-DETRを提案します。時間フレームを空間と時間の両方のシーケンスとして扱い、完全な注意メカニ

dataset

attention

transformer

detection

spatio-temporal

arXiv reaDer

arXiv

embedding
リンク
INSTA-YOLO：リアルタイムインスタンスセグメンテーション
arxiv_reader 2021/07/27
インスタンスのセグメンテーションは、さまざまなコンピュータビジョンアプリケーションで最近大きな注目を集めています。同じクラスに属している場合でも、シーンのさまざまなオブジェクトにさまざまなIDを提供す

dataset

attention

arXiv reaDer

arXiv

real time

semantic segmentation

computer vision

learning
リンク
敵対的な訓練は両刃の剣かもしれません
arxiv_reader 2021/07/27
敵対的訓練は、ホワイトボックス攻撃に対する画像分類器の堅牢性を向上させるための効果的なアプローチとして示されています。ただし、ブラックボックス攻撃に対するその有効性はより微妙です。この作業では、深いネ

arXiv

arXiv reaDer

adversarial

metric
リンク
オブジェクト検出とインスタンスセグメンテーションのランクと並べ替えの損失
arxiv_reader 2021/07/27
ランク付けベースの損失関数として、ランク＆ソート（RS）損失を提案し、深いオブジェクト検出およびインスタンスセグメンテーション方法（つまり、視覚的検出器）をトレーニングします。 RS Lossは、これ

dataset

multi-task

detection

segmentation

arXiv reaDer

arXiv

R-CNN

learning

loss function
リンク
ディープニューラルネットワークを利用した3D再構成用に最適化された画像圧縮
arxiv_reader 2021/07/27
コンピュータビジョンタスクは、圧縮された画像に対して実行されることがよくあります。 JPEG 2000などの古典的な画像圧縮規格が広く使用されています。ただし、これらは特定の最終タスクを考慮していま

reconstruction

RNN

3D

arXiv reaDer

arXiv

compression

computer vision
リンク
CBNetV2：オブジェクト検出のための複合バックボーンネットワークアーキテクチャ
arxiv_reader 2021/07/27
最新の最高性能のオブジェクト検出器は、バックボーンネットワークに大きく依存しており、その進歩により、より効果的なネットワーク構造を探索することで、一貫したパフォーマンスの向上がもたらされます。この論文

detection

pre-training

arXiv reaDer

anchor free

arXiv
リンク
深いマルチタスク学習による手の画像の理解
arxiv_reader 2021/07/27
画像やビデオなどのマルチメディア素材からの手の情報を分析して理解することは、多くの実際のアプリケーションにとって重要であり、研究コミュニティで活発に活動しています。単一の画像から手の情報を復元すること

self-supervised

multi-task

reconstruction

pose estimation

3D

segmentation

arXiv reaDer

metric

arXiv
リンク
肝臓病変セグメンテーションのためのデュアルアテンションエンハンスドBDense-UNet
arxiv_reader 2021/07/27
この作業では、DA-BDense-UNetと呼ばれる注意メカニズムとともにDenseUNetと双方向LSTMを統合することにより、新しいセグメンテーションネットワークを提案します。 DenseUNet

attention

CT

LSTM

segmentation

arXiv reaDer

arXiv

saliency

learning
リンク
鋳造製品の欠陥検出のための不確実性を意識した深層学習フレームワーク
arxiv_reader 2021/07/27
鋳造工程が複雑なため、鋳造生産において欠陥は避けられません。鋳造製品の従来の人間による目視検査は、大量生産では遅く、非生産的ですが、自動で信頼性の高い欠陥検出は、品質管理プロセスを強化するだけでなく、

classification

CNN

simulation

SVM

detection

pre-training

arXiv reaDer

transfer learning

metric

arXiv
リンク
深層機械学習ベースのエジプトの車両ナンバープレート認識システム
arxiv_reader 2021/07/27
自動車両ナンバープレート（VLP）の検出と認識は、最近、重要な研究課題となっています。 VLPのローカリゼーションと認識は、デジタル技術を使用してトラフィックを管理するための最も重要な技術の一部です。

localization

detection

arXiv reaDer

vehicle

arXiv

learning
リンク
ビデオ再スケーリングの自己条件付き確率的学習
arxiv_reader 2021/07/27
バイキュービックダウンスケーリングは、ビデオストレージの負担を軽減したり、ダウンストリームの処理速度を加速したりするために使用される一般的な手法です。ただし、逆のアップスケーリング手順は重要であり、ダ

gradient

video

arXiv reaDer

arXiv

compression

learning

action recognition
リンク
ビュー全体の相互情報量を最大化することによるクラスタリング
arxiv_reader 2021/07/27
共同表現学習とクラスタリングを組み込んだ画像クラスタリングの新しいフレームワークを提案します。私たちの方法は、同じバックボーンネットワークを共有する2つのヘッド（「表現学習」ヘッドと「クラスタリング」

dataset

clustering

representation learning

arXiv reaDer

arXiv

contrastive
リンク
ASOD60K：パノラマビデオ用の音声誘導顕著な物体検出データセット
arxiv_reader 2021/07/27
動的なパノラマシーンで人間が何に注意を払うかを調べることは、小売業の拡張現実（AR）、ARを活用した求人、視覚言語ナビゲーションなど、多くの基本的なアプリケーションに役立ちます。この目標を念頭に置いて

dataset

benchmark

attention

human

augmentation

detection

video

arXiv reaDer

arXiv

saliency
リンク
学習した位相から空間への変換による大気乱流シミュレーションの加速
arxiv_reader 2021/07/27
乱気流緩和アルゴリズムを開発するには、大気の乱気流によるイメージングの高速で正確なシミュレーションが不可欠です。以前のアプローチの限界を認識し、シミュレーションを大幅に高速化するために、位相から空間へ

simulation

arXiv reaDer

convolutional

arXiv

representation

learning
リンク
非構造化環境における移動ロボットの深層学習トラバーサビリティ推定器
arxiv_reader 2021/07/27
地形の横断可能性分析は、構造化されていない環境での安全なロボットナビゲーションを保証する上で主要な役割を果たします。ただし、リアルタイムの制約により、特に現実的なロボットと地形の相互作用のモデル化が複

simulation

pre-training

arXiv reaDer

arXiv

real time

robot

learning

synthesis
リンク
対照学習によるマルチラベル画像分類
arxiv_reader 2021/07/27
最近、潜在表現を学習する効果的な方法として、対照学習がますます人気があり、さまざまな分野で成功しています。シングルラベル分類での制約的学習の成功は、この学習フレームワークを活用して、マルチラベル画像分

dataset

benchmark

classification

domain

contrastive learning

arXiv reaDer

arXiv

representation
リンク
自己教師あり通信学習の再考：ビデオフレームレベルの類似性の観点
arxiv_reader 2021/07/27
時空間対応の適切な表現を学習することは、オブジェクトの境界ボックスの追跡やビデオオブジェクトのピクセルセグメンテーションの実行など、さまざまなコンピュータビジョンタスクの鍵となります。大規模な対応の一

self-supervised

segmentation

tracking

contrastive learning

arXiv reaDer

convolutional

arXiv

representation

computer vision
リンク
ライトフィールドの顕著なオブジェクトの検出：レビューとベンチマーク
arxiv_reader 2021/07/27
顕著な物体検出（SOD）は、コンピュータービジョンにおける長年の研究トピックであり、過去10年間でますます多くの研究関心を集めています。このペーパーは、顕著性コミュニティで長い間欠けていたライトフィー

dataset

benchmark

RGB-D

detection

arXiv reaDer

arXiv

representation

saliency

computer vision
リンク
LAConv：画像融合のためのローカル適応畳み込み
arxiv_reader 2021/07/27
畳み込み演算は、特徴抽出のための強力なツールであり、コンピュータービジョンの分野で重要な役割を果たします。ただし、画像融合などのピクセル単位のタスクを対象とする場合、均一な畳み込みカーネルが異なるパッ

attention

bias

residual

super-resolution

arXiv reaDer

convolutional

arXiv

computer vision

learning
リンク
Two Headed Dragons：マルチモーダルフュージョンとクロスモーダルトランザクション
arxiv_reader 2021/07/27
リモートセンシングの分野が進化するにつれて、マルチスペクトル（MS）、ハイパースペクトル（HSI）、LiDARなどのいくつかのモダリティからの情報の蓄積を目の当たりにします。これらのモダリティはそれぞ

dataset

classification

CNN

domain

transformer

LiDAR

arXiv reaDer

arXiv
リンク
PDEベースのグループ同変畳み込みニューラルネットワーク
arxiv_reader 2021/07/27
グループ同変畳み込みニューラルネットワーク（G-CNN）を一般化する偏微分方程式ベースのフレームワークを紹介します。このフレームワークでは、ネットワーク層は、幾何学的に意味のあるPDE係数が層のトレー

CNN

augmentation

arXiv reaDer

approximation

arXiv

learning
リンク
X-GGM：視覚的な質問応答における分布外の一般化のためのグラフ生成モデリング
arxiv_reader 2021/07/27
近年、視覚的な質問応答（VQA）に向けて勇気づけられる進歩が見られましたが、VQAモデルを配布外（OOD）サンプルに適応的に一般化できるようにすることは依然として困難です。直感的には、既存の視覚的概念

benchmark

gradient

adversarial

VQA

generative

arXiv reaDer

arXiv

representation

OOD
リンク
生成的敵対的ネットワークを使用した散乱媒体による2つの隣接するオブジェクトの画像の再構築
arxiv_reader 2021/07/27
畳み込みニューラルネットワーク（CNN）を使用した画像の再構成は、過去10年間に精力的に研究されてきました。これまで、ニューラルネットワークを用いて散乱媒体を介して単一の物体を画像化するためのいくつか

GAN

classification

CNN

reconstruction

segmentation

arXiv reaDer

arXiv
リンク
RDA: フーリエ敵対攻撃によるロバストなドメイン適応
arxiv_reader 2021/07/27
教師なしドメイン適応 (UDA) には、ラベル付けされたソースドメインでの教師あり損失と、ラベル付けされていないターゲットドメインでの教師なし損失が含まれます。注釈がないため、損失はしばしばノイズ

adversarial

domain adaptation

arXiv reaDer

face

arXiv

unsupervised

computer vision

learning
リンク
半教師あり学習者の再識別をさらに深く掘り下げる
arxiv_reader 2021/07/27
人物の再識別は、さまざまなカメラビューで人物を識別するという難しい作業です。このタスクのために畳み込みニューラルネットワーク（CNN）をトレーニングするには、大きなデータセットに注釈を付ける必要があり

dataset

re-id

CNN

person

arXiv reaDer

arXiv

semi-supervised
リンク
TransPose：Transformerを介したキーポイントのローカリゼーション
arxiv_reader 2021/07/27
CNNベースのモデルは、人間の姿勢の推定において目覚ましい進歩を遂げましたが、キーポイントをローカライズするためにどのような空間依存性をキャプチャするかは不明なままです。この作業では、人間の姿勢推定の

localization

benchmark

attention

CNN

transformer

pose estimation

pre-training

arXiv reaDer

arXiv

human pose estimation
リンク
UVStyle-Net：B-Repsの3Dスタイル類似性測度の教師なし数ショット学習
arxiv_reader 2021/07/27
境界表現（B-Reps）は、スタイルの詳細を忠実に表現するため、3Dコンピューター支援設計/製造（CAD / CAM）および工業デザインの業界標準です。ただし、3Dスタイルの研究では無視されています。

dataset

3D

pre-training

few-shot

arXiv reaDer

metric

arXiv

representation

unsupervised

point cloud
リンク
医用画像生成によるデータ共有の障壁の克服：包括的な評価
arxiv_reader 2021/07/27
個人を特定できる情報の共有に関するプライバシーの懸念は、医学研究におけるデータ共有の主要な実際的な障壁です。ただし、多くの場合、研究者は特定の個人の情報に関心がなく、コホートのレベルで洞察を引き出すこ

dataset

benchmark

GAN

classification

CT

arXiv reaDer

arXiv

synthesis
リンク
平滑化フィルターのセミスパース性
arxiv_reader 2021/07/27
この論文では、新しいスパース性を誘発する最適化フレームワークに基づく興味深い半スパース性平滑化アルゴリズムを提案します。この方法は、複数の観測から導き出されます。つまり、半スパース性の事前知識は、特に

gradient

domain

sparse

arXiv reaDer

arXiv

computer vision
リンク
敵対的な例に対する誤差拡散ハーフトーン
arxiv_reader 2021/07/27
敵対的な例には、ディープニューラルネットワーク（DNN）をだまして誤った予測を行う可能性のある慎重に作成された摂動が含まれています。 DNNの敵対的な堅牢性を強化することは、近年かなりの関心を集めてい

adversarial

quantization

arXiv reaDer

arXiv

DNN
リンク
DeepPlastic：ディープビジュアルモデルを使用して遠洋性結合プラスチックを検出するための新しいアプローチ
arxiv_reader 2021/07/27
積極的に浮力のある海洋プラスチック破片の定量化は、世界中の海からのゴミの濃度を理解し、ゴミの除去が切実に必要な高濃度のゴミのホットスポットを特定するために重要です。現在、浮遊プラスチックを定量化するた

dataset

detection

arXiv reaDer

arXiv

real time
リンク
コンセンサスコラボレーティブトレーニングを使用した野生の発現行動分析に影響を与える
arxiv_reader 2021/07/27
野生の顔の表情認識（FER）は、信頼性の高い人間とコンピューターの対話型システムを構築するために重要です。ただし、FERでの大規模なデータセットの注釈は、クラウドソーシング、アノテーターの主観性、画像

dataset

classification

arXiv reaDer

face

arXiv

learning
リンク
スキャン画像に基づくCOVID-19の自動診断のレビュー
arxiv_reader 2021/07/27
COVID-19のパンデミックは何百万もの感染症を引き起こし、それは社会的および経済的に世界中で大きな損失をもたらしました。従来の逆転写ポリメラーゼ連鎖反応（RT-PCR）検査の偽陰性率と時間がかかる

classification

domain

CT

COVID-19

arXiv reaDer

transfer learning

arXiv

computer vision
リンク
ARM：粗いセマンティックセグメンテーションのための信頼ベースの敵対的再重み付けモジュール
arxiv_reader 2021/07/27
粗くラベル付けされたセマンティックセグメンテーションアノテーションは簡単に取得できますが、エッジの詳細が失われ、背景ピクセルが導入されるリスクがあります。固有のノイズによって妨げられ、既存の粗い注釈は

dataset

adversarial

pre-training

arXiv reaDer

arXiv

semantic segmentation
リンク
堅牢性の多くの面：分布外の一般化の批判的分析
arxiv_reader 2021/07/27
画像スタイル、画像のぼやけ、地理的位置、カメラ操作などの変更で構成される4つの新しい実世界の分布シフトデータセットを紹介します。新しいデータセットを使用して、配布外の堅牢性を向上させるために以前に提案

dataset

benchmark

augmentation

arXiv reaDer

face

arXiv

OOD
リンク
JPGNet：画像修復のための共同予測フィルタリングと生成ネットワーク
arxiv_reader 2021/07/27
画像修復は、欠落した領域を復元し、復元結果を元の完全な画像と同じにすることを目的としています。これは、生成された画像の自然さを強調する一般的な生成タスクとは異なります。それにもかかわらず、既存の作品は

arXiv

dataset

arXiv reaDer

generative
リンク
布を変更する人の再識別のためのセマンティックガイド付きピクセルサンプリング
arxiv_reader 2021/07/27
着替え者再識別（re-ID）は、着替えた歩行者の回収を目的とした新たな研究テーマです。このタスクは非常に困難であり、これまで十分に研究されていません。現在の作品は主に体型や輪郭スケッチに焦点を当ててい

dataset

re-id

person

pedestrian

arXiv reaDer

arXiv

loss function
リンク
Crosslink-Net：垂直畳み込みと水平畳み込みの融合によるダブルブランチエンコーダセグメンテーションネットワーク
arxiv_reader 2021/07/27
正確な画像セグメンテーションは、医療画像分析において重要な役割を果たしますが、さまざまな形状、多様なサイズ、およびぼやけた境界という大きな課題に直面しています。これらの問題に対処するために、スクエアカ

dataset

attention

segmentation

face

arXiv reaDer

convolutional

arXiv
リンク
画像とテキストの間の循環構成学習
arxiv_reader 2021/07/27
画像テキスト埋め込みの構成の意味的距離を測定できるCycledCompositionNetworkという名前のアプローチを提示します。まず、コンポジションネットワークは、相対キャプションを使用して、埋

arXiv

learning

arXiv reaDer

embedding
リンク
StainNet：高速で堅牢な染色正規化ネットワーク
arxiv_reader 2021/07/27
染色の正規化は、多くの場合、ソース画像の色分布をターゲット画像の色分布に転送することを指し、生物医学画像分析で広く使用されています。従来の染色正規化は、1つの参照画像のみに依存し、画像データセット間の

dataset

distillation

arXiv reaDer

arXiv

learning
リンク
エネルギー効率の高い物体検出のための完全スパイクハイブリッドニューラルネットワーク
arxiv_reader 2021/07/27
この論文では、リソースに制約のあるプラットフォームでエネルギー効率が高く堅牢なオブジェクト検出を行うための完全スパイクハイブリッドニューラルネットワーク（FSHNN）を提案します。ネットワークアーキテ

detection

arXiv reaDer

convolutional

arXiv

DNN

unsupervised

learning
リンク
構造保存カーネル予測ネットワークを使用した低線量 CT ノイズ除去
arxiv_reader 2021/07/27
低線量 CT は、放射線の過剰摂取による患者の健康への潜在的なリスクを軽減するための重要な画像診断法です。最近の進歩にもかかわらず、CNN ベースのアプローチは通常、フィルターを空間的に不変な方法で適

dataset

gradient

synthesis

denoising

CT

arXiv reaDer

arXiv

loss function
リンク
TinyActionチャレンジ：ビデオでの実際の低解像度アクティビティの認識
arxiv_reader 2021/07/27
このペーパーでは、CVPR 2021のActivityNetワークショップで開催されたTinyActionチャレンジを要約します。このチャレンジは、ビデオに存在する実際の低解像度アクティビティの認識に

dataset

benchmark

video

activity

arXiv reaDer

arXiv

action recognition
リンク
クリップされた双曲線分類子は超双曲線分類子です
arxiv_reader 2021/07/27
一定の負の曲率を持つ非ユークリッド幾何学、つまり双曲空間は、機械学習のコミュニティで持続的な注目を集めています。双曲空間は、階層構造を低歪みで連続的に埋め込むことができるため、木のような構造のデータを

embedding

dataset

benchmark

attention

classification

adversarial

detection

arXiv reaDer

arXiv

OOD
リンク
3Dオブジェクト検出用のマルチエコーLiDAR
arxiv_reader 2021/07/27
LiDARセンサーは、単純な3Dポイントクラウド以外の幅広い測定信号を取得するために使用でき、それらの信号を利用して、3Dオブジェクト検出などの知覚タスクを改善できます。単一のレーザーパルスは、その経

CNN

LiDAR

3D

detection

arXiv reaDer

GNN

arXiv

point cloud
リンク
線形プローブのクロスタスクグリッドを使用して、網膜画像のCNNモデル予測を解釈する
arxiv_reader 2021/07/27
線形プローブを使用して網膜画像のデータセットを分析します。入力としていくつかの「ソース」タスクでトレーニングされたディープ畳み込み（CNN）モデルからの埋め込みを使用して、いくつかの「ターゲット」タス

dataset

CNN

arXiv reaDer

convolutional

arXiv

representation

embedding
リンク
ディープラーニングベースの心臓MRIセグメンテーション：専門家が必要ですか？
arxiv_reader 2021/07/27
ディープラーニング手法は、多数の医療画像分析タスクに対する事実上のソリューションです。心臓MRIセグメンテーションは、他の多くのアプリケーションと同様に、トレーニングされたネットワークを適切に一般化で

dataset

attention

segmentation

U-Net

arXiv reaDer

MRI

metric

arXiv

loss function
リンク
ビデオ活動のローカリゼーションにおける文間の時間的および意味的関係
arxiv_reader 2021/07/27
ビデオアクティビティのローカリゼーションは、トリミングされていない、構造化されていないビデオから、言語の説明（文）に対応する最も顕著な視覚セグメントを自動的にローカライズするという実用的な価値のために

dataset

attention

bias

weakly-supervised

video

activity

arXiv reaDer

arXiv

saliency
リンク
ニューラルネットワークの圧縮：最適な層ごとの分解の決定に向けて
arxiv_reader 2021/07/27
ディープニューラルネットワーク用の新しいグローバル圧縮フレームワークを紹介します。これは、各レイヤーを自動的に分析して、最適なレイヤーごとの圧縮率を特定すると同時に、目的の全体的な圧縮を実現します。私

arXiv

compression

arXiv reaDer

convolutional
リンク
深い事前編集によるより良い圧縮
arxiv_reader 2021/07/27
目に見えるアーティファクトを避けながら、標準コーデックを介して画像を圧縮できますか？答えは明らかです-ビットバジェットが十分に寛大である限り、これは実行可能です。圧縮に割り当てられたビットレートが不十

arXiv

compression

arXiv reaDer

CNN
リンク
REVISE：ビジュアルデータセットのバイアスを測定および軽減するためのツール
arxiv_reader 2021/07/27
機械学習モデルは、データに存在するバイアスを永続させ、さらには増幅することが知られています。ただし、これらのデータバイアスは、モデルが展開されるまで明らかにならないことがよくあります。私たちの仕事はこ

dataset

bias

arXiv reaDer

metric

arXiv

representation

learning
リンク
堅牢な説明性：ディープニューラルネットワークの勾配ベースの帰属方法に関するチュートリアル
arxiv_reader 2021/07/27
ディープニューラルネットワークの台頭に伴い、これらのネットワークの予測を説明するという課題がますます認識されるようになりました。ディープニューラルネットワークの決定を説明するための多くの方法が存在しま

gradient

adversarial

arXiv reaDer

arXiv

learning
リンク
肺セグメンテーションアプローチによるコンピュータ支援検出を使用した肺癌の早期診断
arxiv_reader 2021/07/27
肺がんは肺で始まり、創造物の人口の中でがんが消滅する理由につながります。アメリカ癌協会によると、癌による死亡の約27％を推定しています。その進化の初期段階では、肺がんは通常何の症状も引き起こしません。

detection

clustering

segmentation

arXiv reaDer

arXiv
リンク
混合信号：モーションプリミティブの混合による手話の生成
arxiv_reader 2021/07/27
話し言葉を音声レベルで表現するのが一般的な方法です。ただし、手話の場合、これはモーションを構成要素のモーションプリミティブに分割することを意味します。アバターベースの手話制作（SLP）は、伝統的にこれ

arXiv

learning

face

dataset

spatio-temporal

arXiv reaDer

representation

transformer
リンク
残差対数尤度推定による人間のポーズ回帰
arxiv_reader 2021/07/27
ヒートマップベースの方法は、尤度ヒートマップを介して出力分布をモデル化することにより、人間の姿勢推定の分野で支配的です。対照的に、回帰ベースの方法はより効率的ですが、パフォーマンスが低下します。この作

arXiv

pose estimation

human pose estimation

residual

arXiv reaDer
リンク
半教師ありセマンティックセグメンテーションのためのバイアスされた疑似ラベルの再配布：ベースライン調査
arxiv_reader 2021/07/27
セルフトレーニングは半教師ありセグメンテーションを高度化していますが、疑似ラベル付きデータを多数派クラスに偏らせる実世界のセマンティックセグメンテーションデータセットでのロングテールクラス分布に深刻な

arXiv

bias

semi-supervised

dataset

arXiv reaDer

augmentation

semantic segmentation
リンク
モバイルニューラルネットワークのバイアス損失
arxiv_reader 2021/07/27
コンパクトな畳み込みニューラルネットワーク（CNN）は、近年、パフォーマンスの並外れた改善を目撃しています。ただし、それでも、多数のパラメーターを持つCNNと同じ予測力を提供することはできません。レイ

arXiv

learning

classification

arXiv reaDer

bias

CNN
リンク
マルチドメイン海馬セグメンテーションのための敵対的継続学習
arxiv_reader 2021/07/27
医用画像のディープラーニングは、データの可用性に関する時間的およびプライバシー関連の制限に悩まされています。実行可能なモデルを引き続き取得するために、継続学習は、データが利用可能になったときに、順番に

MRI

arXiv

disentangling

face

dataset

arXiv reaDer

representation

adversarial

domain adaptation

semantic segmentation
リンク
皮膚がん検出のための信頼性を意識したニューラルネットワーク
arxiv_reader 2021/07/27
ディープラーニング（DL）モデルは、その有望なパターン認識機能により、医用画像で特に注目されています。ただし、ディープニューラルネットワーク（DNN）は大量のデータを必要とし、この分野では十分なデータ

metric

transfer learning

arXiv

DNN

estimation

attention

arXiv reaDer

detection
リンク
視覚と言語ナビゲーションのためのネイバービュー拡張モデル
arxiv_reader 2021/07/27
視覚と言語のナビゲーション（VLN）では、エージェントが自然言語の指示に従って目的の場所に移動する必要があります。既存の作品のほとんどは、候補が存在する対応する単一ビューの機能によってナビゲーション候

arXiv

pre-training

benchmark

attention

landmark

action

arXiv reaDer
リンク
WildGait：生の監視ストリームからの歩行表現の学習
arxiv_reader 2021/07/27
個人識別のための歩行の使用には、非侵襲的、目立たない、協力を必要としない、他の生体認証と比較して不明瞭になる可能性が低いなどの重要な利点があります。歩行認識の既存の方法では、1人の人物がカメラの前を直

arXiv

biometrics

learning

identification

weakly-supervised

convolutional

spatio-temporal

arXiv reaDer

representation

person
リンク
畳み込み時間的注意ネットワークによる衛星画像時系列のパノプティコンセグメンテーション
arxiv_reader 2021/07/27
マルチテンポラル衛星画像への前例のないアクセスにより、さまざまな地球観測タスクに新しい視点が開かれました。それらの中で、農業区画のピクセル精度のパノラマセグメンテーションは、主要な経済的および環境的影

arXiv

satellite

panoptic segmentation

attention

dataset

convolutional

arXiv reaDer

spatio-temporal

semantic segmentation
リンク
注釈のない生物学的画像の評価のための生成的自己教師あり学習の活用：COVID-19ケーススタディ
arxiv_reader 2021/07/27
生物学的画像のコンピューター支援分析は、通常、大規模な注釈付きデータセットに関する広範なトレーニングを必要としますが、これは多くの状況で実行可能ではありません。この論文では、StyleGAN2アーキテ

COVID-19

arXiv

zero-shot

classification

self-supervised

GAN

representation learning

dataset

arXiv reaDer
リンク
畳み込みベースの画像アップサンプリングのためのエネルギー効率の高いエッジコンピューティングパラダイム
arxiv_reader 2021/07/27
リアルタイムの深層学習ベースの画像アップサンプリングアプリケーションのために、新しいエネルギー効率の高いエッジコンピューティングパラダイムが提案されています。画像アップサンプリングのための最先端の深層

arXiv

learning

arXiv reaDer

convolutional

real time
リンク
エッジ保存および構造保存画像平滑化のための一般化されたフレームワーク
arxiv_reader 2021/07/27
画像の平滑化は、コンピュータビジョンとグラフィックスの両方のアプリケーションにおける基本的な手順です。必要なスムージングプロパティは、タスクごとに異なる場合や矛盾する場合があります。それにもかかわらず

arXiv

computer vision

arXiv reaDer

compression
リンク
- 2021年7月28日
- 2021年7月27日
- 2021年7月26日

お知らせ

もっと読む

公式Twitter

@HatenaBookmark
リリース、障害情報などのサービスのお知らせ
@hatebu
最新の人気エントリーの配信

キーボードショートカット一覧

j次のブックマーク

k前のブックマーク

lあとで読む

eコメント一覧を開く

oページを開く

設定を変更しましたx