皮膚病変分類への深いマルチタスク学習アプローチ
A Deep Multi-task Learning Approach to Skin Lesion Classification 皮膚病変の特定は、皮膚診断に向けた重要なステップです。多くの皮膚疾患は一般的に身体の特定の部分に影響を与えるため、皮膚病変を説明する場合、その身体部位の分布に注意することが非常に重要です。本研究では、皮膚病変とその身体部位分布との相関関係を活用するために、身体の位置によって提供される追加のコンテキスト情報を使用して、皮膚病変分類を改善する可能性を調査します。具体的には、深層マルチタスク学習（MTL）フレームワークを構築して、皮膚病変の分類と体の位置の分類を共同で最適化します（後者は誘導バイアスとして使用されます）。 MTLフレームワークは、2つの関連タスクに特化した損失関数を備えた最先端のImageNet事前トレーニングモデルを使用します。私たちの実験は、提案
最高の精度で深層学習のセマンティックセグメンテーション効率を超える異種ファブリックを解きほぐすための3D適応ランダムフォレストビジョン（3DARFV）
最高の精度で深層学習のセマンティックセグメンテーション効率を超える異種ファブリックを解きほぐすための3D適応ランダムフォレストビジョン（3DARFV） 3D Adapted Random Forest Vision (3DARFV) for Untangling Heterogeneous-Fabric Exceeding Deep Learning Semantic Segmentation Efficiency at the Utmost Accuracy 惑星探査は、岩石と環境の静的および動的特性を特徴づけるために3D画像データに大きく依存しています。 3D画像の分析には多くの計算が必要であるため、効率が高くなり、処理時間が長くなり、エネルギーが大量に消費されます。ハイパフォーマンスコンピューティング（HPC）は、エネルギー消費を犠牲にして見かけの効率を提供します。ただし、遠隔探査の
どのようにそれをしますか？疑似副詞によるきめ細かい行動理解
How Do You Do It? Fine-Grained Action Understanding with Pseudo-Adverbs アクションがどのように実行されるかを理解し、「しっかりと折りたたむ」と「穏やかに折りたたむ」などの微妙な違いを特定することを目的としています。この目的のために、異なるアクション間で副詞を認識する方法を提案します。ただし、このようなきめの細かい注釈を取得することは困難であり、その長い尾の性質により、まれなアクション副詞の構成で副詞を認識することが困難になります。したがって、私たちのアプローチでは、複数の副詞疑似ラベルを使用した半教師あり学習を使用して、アクションラベルのみを使用した動画を活用します。これらの疑似副詞の適応しきい値処理と組み合わせることで、裾の長い分布に取り組みながら、利用可能なデータを効率的に利用することができます。さらに、3つの既存
ストリーミング知覚のためのリアルタイムオブジェクト検出
自動運転では、モデルが環境を認識し、安全のために低遅延で（再）反応する必要があります。過去の作品は処理後の環境の避けられない変化を無視していますが、ストリーミング知覚は、ビデオオンライン知覚の単一のメトリックに待ち時間と精度を共同で評価するために提案されています。この論文では、前作のように精度と速度のトレードオフを探る代わりに、リアルタイムモデルに未来を予測する能力を与えることがこの問題に対処するための鍵であることを指摘します。ストリーミング知覚のためのシンプルで効果的なフレームワークを構築します。これは、新しいDualFlow Perceptionモジュール（DFP）を備えています。これには、動的および静的フローを含み、移動傾向をキャプチャし、ストリーミング予測の基本的な検出機能を備えています。さらに、トレンドファクターと組み合わせたトレンドアウェアロス（TAL）を導入して、さまざまな移
GOSS：一般化された開集合セマンティックセグメンテーションに向けて
この論文では、一般化されたオープンセットセマンティックセグメンテーション（GOSS）と呼ばれる新しい画像セグメンテーションタスクを提示して研究します。以前は、よく知られているオープンセットセマンティックセグメンテーション（OSS）を使用すると、インテリジェントエージェントは未知の領域のみを検出し、それ以上の処理を行わず、環境の認識を制限していました。検出された未知のピクセルをさらに分析することが有益であることは当然のことです。したがって、2つの明確に定義されたセグメンテーションタスク、OSSとジェネリックセグメンテーション（GS）の機能を全体的な方法で統合するGOSSを提案します。具体的には、GOSSはピクセルを既知のクラスに属するものとして分類し、未知のクラスのピクセルのクラスター（またはグループ）はそのようにラベル付けされます。この新しく拡張されたタスクを評価するために、ピクセル分類と
深い肖像画の喜び
制約のないポートレート画像から望ましくないシェーディング機能を削除し、下にあるテクスチャを復元するためのディープニューラルネットワークを紹介します。私たちのトレーニングスキームには、3つの正則化戦略が組み込まれています。高周波シェーディング機能を強調するためのマスクされた損失。ソフトシャドウロス。照明の微妙な変化に対する感度を向上させます。シェーディングとテクスチャの分離を監視するためのシェーディングオフセット推定。私たちの方法は、最先端のものと比較した場合、改善された喜びの質と一般化を示しています。さらに、私たちの喜びの方法が、顔の再照明や意味解析などの光に敏感なコンピュータービジョンタスクのパフォーマンスを向上させ、極端な照明条件を処理できるようにする方法を示します。 We present a deep neural network for removing undesirable s
PlaneMVS：マルチビューステレオからの3D平面再構成
既知のカメラポーズを持つ複数の入力ビューからの3D平面再構成のためのPlaneMVSという名前の新しいフレームワークを提示します。以前のほとんどの学習ベースの平面再構成方法は、単一画像から3D平面を再構成します。これは、単一ビュー回帰に大きく依存し、深度スケールのあいまいさに悩まされています。対照的に、マルチビュージオメトリを利用するマルチビューステレオ（MVS）パイプラインを使用して3D平面を再構築します。平面再構成をセマンティック平面検出ブランチと平面MVSブランチに分離します。セマンティックプレーン検出ブランチは、シングルビュープレーン検出フレームワークに基づいていますが、違いがあります。平面MVSブランチは、平面スイープ戦略を実行するために従来の深度仮説を置き換えるために一連の傾斜平面仮説を採用し、最後にピクセルレベルの平面パラメーターとその平面深度マップを学習します。 2つのブラ
自己回帰コーディング（RandSAC）を使用したランダムセグメントによる自己監視
Self-supervision through Random Segments with Autoregressive Coding (RandSAC) 自然言語（GPTとそのバリアント）での自己監視型自動回帰表現学習の成功と、Vision Transformers（ViT）を使用した最近のビジュアルアーキテクチャ設計の進歩に触発されて、このペーパーでは、さまざまな設計の選択が成功に与える影響を調査します。視覚的特徴学習のためにそのようなトレーニング戦略を適用することの具体的には、自己回帰コーディング（RandSAC）を使用したランダムセグメントと呼ばれる新しい戦略を紹介します。 RandSACでは、パッチ表現（画像トークン）を階層的に配置されたセグメントにグループ化します。各セグメント内では、トークンはBERTと同様に並行して予測されますが、セグメント全体の予測はGPTと同様に順次予測
RGB-D画像から測地線対応のローカル機能を学習する
既存の手作りの学習ベースのローカル記述子のほとんどは、アフィン画像変換に対してせいぜいほぼ不変であり、変形可能な表面を無視することがよくあります。この論文では、等尺性の非剛体変形に対しても不変であるRGB-D画像（RGBはピクセルの色の明るさを表し、Dは深度情報を表す）から記述子を計算する新しいアプローチを提案することにより、さらに一歩進んでいます。スケールの変更と回転に関して。私たちが提案する記述戦略は、表面測地線を使用して歪みのないローカル画像パッチの特徴表現を学習するという重要なアイデアに基づいています。測地線認識機能を効率的に計算するために、2つの補完的なローカル記述子戦略を設計します。1つは手作りのバイナリテストに基づく効率的なバイナリ記述子（GeoBitという名前）、もう1つは畳み込みニューラルネットワーク（CNN）を使用して機能を計算する学習ベースの記述子（GeoPatch）
CM-GAN：カスケード変調GANとオブジェクト認識トレーニングによる画像修復
CM-GAN: Image Inpainting with Cascaded Modulation GAN and Object-Aware Training 最近の画像修復方法は大きな進歩を遂げましたが、複雑な画像の大きな穴を処理するときに、もっともらしい画像構造を生成するのに苦労することがよくあります。これは、画像の長距離依存性と高レベルのセマンティクスの両方をキャプチャできる効果的なネットワーク構造が不足していることが一因です。これらの問題に対処するために、カスケード変調GAN（CM-GAN）を提案します。これは、穴のある入力画像からマルチスケールの特徴表現を抽出するフーリエ畳み込みブロックを備えたエンコーダーと、新しいスタイルGANのようなデコーダーで構成される新しいネットワーク設計です。各スケールレベルでカスケードされたグローバル空間変調ブロック。各デコーダブロックでは、最初にグ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
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
Omni-Seg：部分的にラベル付けされたデータを使用したマルチラベル腎病理画像セグメンテーションのための単一の動的ネットワーク
スペクトルクラスター投票による教師なしの顕著なオブジェクトの検出
3D透明オブジェクト再構築のためのハイブリッドメッシュニューラル表現
StructToken：構造的事前分析によるセマンティックセグメンテーションの再考
胸部X線分類器の公平性の改善
VideoMAE：マスクされたオートエンコーダーは、自己監視型ビデオ事前トレーニングのためのデータ効率の高い学習者です
R3M：ロボット操作のための普遍的な視覚的表現
ブラインド画像の超解像のための深く拘束された最小の正方形
ImpliCity：深い暗黙の占有フィールドを持つ衛星画像からの都市モデリング
NeuMan：単一のビデオからのニューラルヒューマンラディアンスフィールド
あなたの「注意」は注意に値する：顔の行動分析のための自己多様化されたマルチチャネル注意
DynamicEarthNet：意味変化セグメンテーションのための毎日のマルチスペクトル衛星データセット
GriTS：テーブル構造認識のためのグリッドテーブル類似性メトリック
トークン整合性のある確率的レイヤーを使用したビジョントランスフォーマーの動作の改善
アクションユニット検出用のマルチラベルトランス
ユーザーレビューウェブサイトからクラウドソーシングされた写真をマイニングすることによるレストランスタイルの推測
意味的知識と協調的敵対学習による顔の完成
より多くの知識が優れている：心臓内心エコー図の輪郭作成のためのクロスモダリティボリューム完了と3D + 2Dセグメンテーション
予測タスクの再考：コンテキスト認識支援のためのスパースな手術器具の使用の不確実性認識予測
皮膚疾患の分類と皮膚病変の特性評価：マルチラベル深層ニューラルネットワークを使用したロバストな診断の実現
Refine-Net：ノイズの多い点群のための通常のリファインメントニューラルネットワーク
投影-サイノグラム補正を併用したCT / CBCT金属アーチファクト低減のための生成マスクピラミッドネットワーク
点群ニューラルネットワークに対する説明可能性を意識したワンポイント攻撃
CroMo：単眼深度推定のためのクロスモーダル学習
マスクの下で顔を再構築するためのディープラーニングフレームワーク
https://arxiv-check-250201.firebaseapp.com/each/2203.12476v2
バックドア防御のための敵対的微調整：バックドア攻撃を敵対的攻撃に接続する
任意指向のオブジェクト検出について：分類ベースのアプローチの再検討
弱い教師ありセグメンテーションのための重要度サンプリング CAM
MT-UDA：限られたソースラベルを使用した教師なしクロスモダリティ医療画像セグメンテーションに向けて
SMEMO：軌道予測のための社会的記憶
第3回ABAWコンペティションでのアクションユニット検出のための注意ベースの方法
UBnormal：教師ありオープンセットビデオ異常検出の新しいベンチマーク
TransVPR：マルチレベルの注意集約を備えたトランスフォーマーベースの場所認識
固有のニューラルフィールド：多様体の学習関数
U-Boost NAS：使用率が向上した微分可能なニューラルアーキテクチャ検索
QMagFace：シンプルで正確な品質を意識した顔認識
MasterFace攻撃の（限定された）一般化と顔表現の能力との関係について
画像から三角形の3Dモデル、マテリアル、および照明を抽出する
顔の表情分析のためのトランスフォーマーベースのマルチモーダル情報融合
重複するプラスチックフレークセグメンテーションのためのハイパースペクトルイメージング
歴史的文書におけるロバストなテキスト行の検出：学習と評価の方法
適応信頼マージンを備えた半教師あり深い顔の表情認識に向けて
バイナリ形態学的ニューラルネットワーク
DR.VIC：ビデオ個人カウントの分解と推論
水中画像強調用のU字型トランス
イベントカメラのオートフォーカス
耕作地における自律的な作物にとらわれない視覚的ナビゲーションに向けて
自己監視型潜在空間での透かし画像
モーションと露出の手がかりからの自己監視型HDRイメージング
ドメイン一般化されたテクスチャ表面異常検出
位置埋め込みによる車線検出
画像操作およびそれ以降の表現分解
Residual Attention U-Netを使用したテレセントリック明視野透過光学顕微鏡画像からの細胞セグメンテーション：HeLaラインのケーススタディ
ロボット工学のためのインクリメンタルな少数ショットオブジェクト検出
画質評価のためのトランス機能の学習
DAN：手書きドキュメント認識のためのセグメンテーションフリーのドキュメントアテンションネットワーク
イベントベースの高密度再構築パイプライン
Ev-TTA：イベントベースのオブジェクト認識のためのテスト時間の適応
ViTのブートストラップ：事前トレーニングからのビジョントランスフォーマーの解放に向けて
半教師あり物体検出のためのスケール等価蒸留
通常の指紋データベースを使用して小面積指紋認識ディープニューラルネットワークをトレーニングするためのデータ拡張の方法
説明を介した関連機能フォーカシングによるロバストな畳み込みニューラルネットワークの学習
歩行者識別のためのマイクロドップラー署名による多特性学習法
人間の活動認識における対照学習のためのリサンプリングによるセンサーデータの増強
人間の活動認識における対照学習のためのクラスタリングによるネガティブセレクション
知識継承による効率的な少数ショット物体検出
PartImageNet：パーツの大規模で高品質なデータセット
トレーニング不要のTransformerアーキテクチャ検索
計算磁気共鳴画像法のための物理学主導の深層学習
敵対的な例の自己監視学習：ディープフェイク検出のための優れた一般化に向けて
群衆ビデオのグループレベルの感情認識への非ボリューム保存ベースの融合
自己監視学習による肺扁平上皮癌再発の解釈可能な予測
ドメイン一般化のためのディープ周波数フィルタリング
Biceph-Net：2D-MRIスキャンと深い類似性学習を使用したアルツハイマー病の診断のための堅牢で軽量なフレームワーク
確率密度関数のアラインメントによる自己監視ロバストシーンフロー推定
ノイズの多いサンプリングによる検閲の学習
たった1つのCLIPでのGANのワンショット適応
スポーツにおけるコンピュータビジョンの包括的なレビュー：未解決の問題、将来の傾向および研究の方向性
クロスドメインの少数ショット学習のための距離キャリブレーションのランク付け
SQN：大規模な3D点群の弱教師ありセマンティックセグメンテーション
同上：相互作用から関節オブジェクトのデジタルツインを構築する
モーションブレ除去とフレーム補間をイベントと統合する
ワンクラス埋め込みからの逆蒸留による異常検出
堅牢な少数ショットのクロスドメイン顔のスプーフィング防止のための適応トランスフォーマー
アムハラ語のシーンテキストの検出と認識のための包括的なベンチマークデータセット
脊椎MR画像のセグメンテーションのための半教師ありハイブリッド脊椎ネットワーク
悪意のあるディープフェイクへの対抗：調査、戦場、地平線
フーリエ畳み込みネットワークを使用したプログラム可能な3Dスナップショット顕微鏡
影は危険な場合があります：自然現象によるステルスで効果的な物理世界の敵対的攻撃
ピクセルアート表現を改善するためのピクセルVQ-VAE
弱教師ありポリープフレーム検出のための対照的なトランスフォーマーベースのマルチインスタンス学習
ビジュアルプロンプトチューニング
卵巣癌組織生検サンプルのハイパースペクトル画像におけるリンパ球分類
時間モデリングを使用したVQに基づく高速オンライン署名認識
FxP-QNet：動的固定小数点表現を使用した混合低精度DNNの設計のためのトレーニング後の量子化器
DTFD-MIL：組織病理学全体のスライド画像分類のための2層特徴蒸留複数インスタンス学習
WayFAST: 現場での予測通過性を備えたナビゲーション
ファイバー：評価フレームワークを理解するための挑戦的なビデオとしての空白を埋める
ShapeMOD：3D形状プログラムのマクロ操作の発見
生成モデリングは弱い監視を支援します（およびその逆）
単一偏光画像からの人間の姿勢と形状の推定
FastSHAP：リアルタイムのシャープレイ値の推定
ニューラルガイド付き形状パーサー：近似推論による3D形状領域の文法ベースのラベリング
一般化された少数ショットのセマンティックセグメンテーション：必要なのは微調整だけです
PLAD：疑似ラベルと近似分布を使用して形状プログラムを推測する方法を学ぶ
GAN反転：調査
追跡のための共同特徴学習と関係モデリング: ワンストリーム フレームワーク
PaCa-ViT: ビジョン トランスフォーマーにおけるパッチからクラスターへの注意の学習
動的シーンにおける画像復元の可能性の調査と評価
オンライン知識蒸留のためのチャネル自己監視
L-Verse：画像とテキスト間の双方向生成
暗黙的表現関数のためのローカルテクスチャ推定器
深い3Dから2Dへの透かし：3Dメッシュへのメッセージの埋め込みと2Dレンダリングからのメッセージの抽出
痛みなし、大きな利益：機能レベルの時空間サーフェスをフィッティングすることにより、静的モデルを使用して動的点群シーケンスを分類します
CLIPとGamePhysicsの出会い：ゼロショット転送学習を使用したゲームプレイビデオのバグ識別に向けて
医療指導ビデオにおける視覚的で迅速な時間的応答の根拠に向けて
きめ細かいシーングラフ生成のための階層的記憶学習
ディープニューラルネットワークの効率的な適応のための一方向シンアダプタ
マルチパーソン3Dポーズ推定のための分布を意識したシングルステージモデル
単眼パノラマ深度完了のためのマルチモーダルマスクされた事前トレーニング
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地域セマンティックコントラストと集約
数ショットのセグメンテーションのためのマルチ類似性ベースのハイパーリレーションシップネットワーク