arxiv_readerのブックマーク / 2022年7月20日 - はてなブックマーク

arxiv_reader id:arxiv_reader

2022年7月20日のブックマーク (148件)

野生の人間からロボットへの模倣
arxiv_reader 2022/07/20
私たちは、野生の人間を見ることによって学習の問題に取り組みます。模倣および強化学習の従来のアプローチは、現実の世界での学習に有望ですが、サンプルが非効率的であるか、ラボの設定に制限されています。一方、

one-shot

arXiv

reinforcement learning

video

human

robot

arXiv reaDer
リンク
ShapeCrafter：再帰的なテキスト条件付き3D形状生成モデル
arxiv_reader 2022/07/20
再帰的なテキスト条件付き3D形状生成のためのニューラルネットワークであるShapeCrafterを紹介します。テキスト条件付きの3D形状を生成する既存の方法では、テキストプロンプト全体を使用して、1つ

dataset

arXiv

arXiv reaDer

3D
リンク
PoserNet：オブジェクト検出を利用した相対的なカメラポーズの改良
arxiv_reader 2022/07/20
一連の画像に関連付けられたカメラポーズの推定は、通常、画像間の特徴の一致に依存します。対照的に、明示的なセマンティックオブジェクト検出ではなく、オブジェクトネス領域を使用してポーズ推定問題をガイドする

dataset

arXiv

arXiv reaDer

pose estimation
リンク
テセウス：微分可能な非線形最適化のためのライブラリ
arxiv_reader 2022/07/20
テセウスは、PyTorch上に構築された微分可能な非線形最小二乗（DNLS）最適化のための効率的なアプリケーションに依存しないオープンソースライブラリであり、ロボット工学とビジョンにおけるエンドツーエ

arXiv

arXiv reaDer

gradient

differentiable

learning

sparse
リンク
オブジェクト中心の教師なし画像キャプション
arxiv_reader 2022/07/20
画像のキャプションは、コンピュータビジョンと自然言語処理の分野で長年の問題です。これまで、研究者はディープラーニングの時代に印象的な最先端のパフォーマンスを生み出してきました。ただし、これらの最先端技

computer vision

learning

arXiv

transformer

captioning

unsupervised

dataset

arXiv reaDer
リンク
ビデオにおける幾何学的特徴情報に基づく複数人の人間と物体の相互作用の認識
arxiv_reader 2022/07/20
ビデオでの人間と物体の相互作用（HOI）の認識は、人間の活動を分析するために重要です。視覚的特徴に焦点を当てた既存の作品のほとんどは、通常、現実世界のシナリオではオクルージョンに悩まされています。複数

activity

arXiv

pose

video

human

convolutional

occlusion

action recognition

dataset

arXiv reaDer
リンク
ノンパラメトリックベイズ推定によるプリミティブベースの形状抽象化
arxiv_reader 2022/07/20
3D形状の抽象化は、長年にわたって大きな関心を集めてきました。メッシュやボクセルなどの低レベルの表現とは別に、研究者は基本的な幾何学的プリミティブを使用して複雑なオブジェクトを意味的に抽象化することも

point cloud

3D

representation

learning

arXiv

Bayesian

mesh

dataset

arXiv reaDer

clustering
リンク
ダンスビデオからの複雑な音楽生成のための量子化されたGAN
arxiv_reader 2022/07/20
Dance2Music-GAN（D2M-GAN）は、ダンスビデオを条件とした複雑な音楽サンプルを生成する新しい敵対的マルチモーダルフレームワークです。私たちが提案するフレームワークは、ダンスビデオフレ

adversarial

GAN

representation

arXiv

video

human

quantization

generative

dataset

arXiv reaDer
リンク
SphereFed：超球連合学習
arxiv_reader 2022/07/20
連合学習は、プライベートローカルデータを交換することなく、複数の分散型デバイス（つまりクライアント）からグローバルモデルをトレーニングすることを目的としています。重要な課題は、ローカル機能の不一致を引

representation

learning

arXiv

dataset

arXiv reaDer
リンク
Det6D：地形の堅牢性を向上させるための地上認識フルポーズ3Dオブジェクト検出器
arxiv_reader 2022/07/20
LiDARを使用した正確な3Dオブジェクト検出は、自動運転にとって重要です。既存の研究はすべてフラットワールドの仮定に基づいています。ただし、実際の道路は急勾配のセクションで複雑になる可能性があり、前

augmentation

3D

arXiv

pose

autonomous driving

detection

dataset

arXiv reaDer

6D

LiDAR
リンク
非常にノイズの多いラベルで学習する場合、信頼性の高いラベル修正は優れたブースターです
arxiv_reader 2022/07/20
特に大規模なデータセットのデータ注釈は必然的に不完全である可能性があるため、ノイズの多いラベルを使用した学習は、多くの研究関心を呼び起こしました。最近のアプローチは、トレーニングサンプルをクリーンでノ

benchmark

learning

arXiv

bias

semi-supervised

dataset

arXiv reaDer
リンク
VoViT：低遅延グラフベースのオーディオビジュアル音声分離トランスフォーマー
arxiv_reader 2022/07/20
このホワイトペーパーでは、音声と歌声の2つのシナリオで、低遅延で最先端の結果を生成する音声分離の視聴覚アプローチを紹介します。このモデルは、2段階のネットワークに基づいています。モーションキューは、顔

arXiv

landmark

transformer

convolutional

face

estimation

arXiv reaDer
リンク
TISE：テキストから画像への合成評価のためのメトリクスのバッグ
arxiv_reader 2022/07/20
本論文では、テキストから画像への合成のための最先端の方法に関する研究を行い、これらの方法を評価するためのフレームワークを提案します。画像に単一または複数のオブジェクトが含まれる合成を検討します。私たち

benchmark

synthesis

metric

arXiv

human

arXiv reaDer
リンク
RCLane：レーン検出のためのリレーチェーン予測
arxiv_reader 2022/07/20
レーン検出は、多くの実世界の自律システムの重要なコンポーネントです。さまざまな車線検出アプローチが提案されており、時間の経過とともに着実なベンチマークの改善が報告されていますが、車線検出は依然としてほ

benchmark

classification

arXiv

segmentation

detection

keypoint

arXiv reaDer
リンク
胸部X線結節の増強と検出のための解きほぐされた属性による画像合成
arxiv_reader 2022/07/20
胸部X線（CXR）画像での肺結節の検出は、肺がんの早期スクリーニングによく見られます。深層学習ベースのコンピューター支援診断（CAD）システムは、CXRでの結節スクリーニングのために放射線科医をサポー

synthesis

augmentation

arXiv

convolutional

detection

dataset

arXiv reaDer

disentangling
リンク
VL-LTR：ロングテール視覚認識のためのクラスごとの視覚言語表現の学習
arxiv_reader 2022/07/20
ディープラーニングベースのモデルは、現実の世界でロングテールデータを処理するときに課題に直面します。既存のソリューションは通常、画像モダリティに基づいて、クラスの不均衡の問題に対処するために、いくつか

benchmark

representation

transfer learning

arXiv

arXiv reaDer
リンク
ABAW4チャレンジにおけるマルチタスク学習フレームワークに基づく感情認識
arxiv_reader 2022/07/20
このペーパーでは、第4回感情行動分析インザワイルド（ABAW）コンペティションのマルチタスク学習（MTL）チャレンジへの提出を紹介します。視覚的特徴の表現に基づいて、トランスフォーマーベースのエンコー

LSTM

representation

learning

arXiv

video

transformer

dataset

multi-task

arXiv reaDer

emotion
リンク
REALY：3D顔再構成の評価を再考する
arxiv_reader 2022/07/20
3D顔再構成の結果の評価は、通常、推定された3Dモデルとグラウンドトゥルーススキャンの間の厳密な形状の位置合わせに依存します。 2つの形状を異なる基準点に合わせると、評価結果に大きな影響を与える可能性

benchmark

3D

arXiv

pose

reconstruction

mesh

face

dataset

keypoint

arXiv reaDer
リンク
再構成と編集性を改善するためのStyleGANエンコーダのサイクルエンコーディング
arxiv_reader 2022/07/20
GAN反転は、入力画像を事前にトレーニングされたGANの潜在空間に反転することを目的としています。 GAN反転の最近の進歩にもかかわらず、歪みと編集可能性の間のトレードオフを軽減するための課題が残って

GAN

pre-training

arXiv

reconstruction

regularization

arXiv reaDer
リンク
GIMO：状況に応じた視線情報に基づく人間の動きの予測
arxiv_reader 2022/07/20
人間の動きを予測することは、人間との相互作用が安全で快適である必要がある支援ロボットやAR/VRアプリケーションにとって重要です。一方、正確な予測は、シーンのコンテキストと人間の意図の両方を理解するこ

arXiv

pose

gaze

human

robot

dataset

arXiv reaDer
リンク
救助へのコンピュータビジョン：不一致な注釈からの幼児の姿勢対称性の推定
arxiv_reader 2022/07/20
両側の姿勢の対称性は、自閉症スペクトラム障害（ASD）の潜在的なリスクマーカーとして、また乳児の先天性斜頸（CMT）の症状として重要な役割を果たしますが、対称性を評価する現在の方法では、骨の折れる臨床

computer vision

3D

arXiv

bias

Bayesian

human pose estimation

domain

arXiv reaDer

pose estimation
リンク
Transformerを使用した視覚表現学習：シーケンス間の視点
arxiv_reader 2022/07/20
視覚表現学習は、さまざまな視覚問題を解決するための鍵です。独創的なグリッド構造の優先順位に依存して、畳み込みニューラルネットワーク（CNN）は、ほとんどのディープビジョンモデルの事実上の標準アーキテク

semantic segmentation

attention

seq2seq

classification

CNN

arXiv

representation learning

transformer

detection

arXiv reaDer
リンク
対照的な学習における不確実性：下流のパフォーマンスの予測可能性について
arxiv_reader 2022/07/20
今日の最先端の深層学習モデルのいくつかの優れたパフォーマンスは、大規模なデータセットでの大規模な（自己）教師あり対照的な事前トレーニングにある程度起因しています。対照的な学習では、ネットワークは正（類

pre-training

representation

arXiv

contrastive learning

dataset

estimation

embedding

arXiv reaDer
リンク
単一ステージの3Dオブジェクト検出のためのIoUベースの最適化の再考
arxiv_reader 2022/07/20
Intersection-over-Union（IoU）ベースの最適化は、最終的なIoU予測メトリックと損失の一貫性を維持するため、単一ステージ2Dオブジェクト検出器の回帰ブランチと分類ブランチの両方

benchmark

classification

3D

metric

arXiv

detection

dataset

arXiv reaDer
リンク
CODA：自動運転における物体検出のための実際の道路コーナーケースデータセット
arxiv_reader 2022/07/20
自動運転のための現代の深層学習オブジェクト検出方法は、通常、歩行者や車などの一般的な交通参加者の接頭辞付きのカテゴリを想定しています。ほとんどの既存の検出器は、珍しい物体やコーナーケース（犬が通りを横

arXiv

autonomous driving

pedestrian

detection

dataset

arXiv reaDer
リンク
シンギュレーションと把握のアプローチによる自己監視型インタラクティブオブジェクトセグメンテーション
arxiv_reader 2022/07/20
見えないオブジェクトによるインスタンスのセグメンテーションは、構造化されていない環境では難しい問題です。この問題を解決するために、データセットに手動でラベルを付けるという時間のかかるプロセスを回避しな

optical flow

transfer learning

arXiv

reinforcement learning

segmentation

simulation

dataset

arXiv reaDer

self-supervised
リンク
コンテンツを意識したスケーラブルな深圧縮センシング
arxiv_reader 2022/07/20
画像圧縮センシング（CS）の問題により効率的に対処するために、CASNetと呼ばれる新しいコンテンツ対応のスケーラブルなネットワークを紹介します。まず、データ駆動型顕著性検出器を採用して、さまざまな画

arXiv

reconstruction

saliency

detection

arXiv reaDer
リンク
信頼できるヘルスケアAIに向けて：胸部X線撮影によるCOVID-19スクリーニングのための注意ベースの特徴学習
arxiv_reader 2022/07/20
信頼性のあるAIモデルを構築することは、特にヘルスケアなどの規制された分野で重要です。 COVID-19に取り組む際に、以前の研究では、畳み込みニューラルネットワークをバックボーンアーキテクチャとして

CNN

COVID-19

arXiv

representation learning

transformer

arXiv reaDer
リンク
GANトレーニングの安定化に関する新しい視点：直接敵対的トレーニング
arxiv_reader 2022/07/20
生成的敵対的ネットワーク（GAN）は、さまざまなコンピュータービジョンタスクで目覚ましい進歩を遂げた最も人気のある画像生成モデルです。ただし、トレーニングの不安定性は、すべてのGANベースのアルゴリズ

computer vision

GAN

loss function

arXiv

dataset

regularization

arXiv reaDer
リンク
DH-8月：3D人間ポーズ推定のためのDH順運動学モデル駆動型拡張
arxiv_reader 2022/07/20
データセットの多様性が欠如しているため、ポーズ推定器の一般化能力は不十分です。この問題を解決するために、DH-AUGと呼ばれるDH順運動学モデルを介したポーズ増強ソリューションを提案します。以前の作業

augmentation

3D

arXiv

video

human pose estimation

dataset

arXiv reaDer

pose estimation
リンク
ディープセマンティック統計マッチング（D2SM）ノイズ除去ネットワーク
arxiv_reader 2022/07/20
ノイズ除去のような画像復元の最終的な目的は、ノイズの多い画像ドメインと鮮明な画像ドメインの間の正確な相関関係を見つけることです。ただし、ピクセル単位の損失などのエンドツーエンドのノイズ除去学習の最適化

semantic segmentation

classification

super-resolution

learning

arXiv

denoising

domain

dataset

arXiv reaDer
リンク
専門家のコラボレーション：1億フロップスのImageNetで80％のトップ1精度を達成
arxiv_reader 2022/07/20
このホワイトペーパーでは、複数のネットワークの専門知識を共通の目的に向けてプールするための専門家のコラボレーション（CoE）フレームワークを提案します。各エキスパートは、データセットの固有の部分に関す

dataset

arXiv

arXiv reaDer
リンク
Caltech Fish Counting Dataset：複数オブジェクトの追跡とカウントのベンチマーク
arxiv_reader 2022/07/20
ソナービデオで魚を検出、追跡、およびカウントするための大規模なデータセットであるCaltech Fish Counting Dataset（CFC）を紹介します。ソナービデオは、低信号対雑音比のコンピ

computer vision

benchmark

arXiv

video

re-id

domain

dataset

MOT

vehicle

arXiv reaDer
リンク
ディープマンハッタンハフ変換によるパノラマ画像のキューブマップからの3D部屋レイアウト推定
arxiv_reader 2022/07/20
重要な幾何学的構造は、単一のパノラマ画像からの3D部屋のレイアウトの推定において、グローバルなワイヤーフレームによってコンパクトに記述できます。この観察に基づいて、学習可能なハフ変換ブロックで長距離の

3D

arXiv

arXiv reaDer

convolutional

estimation
リンク
深い分類器が同意する場合：学習順序と画像統計の間の相関の分析
arxiv_reader 2022/07/20
深い分類のための多数のアーキテクチャのバリエーションが時間の経過とともに導入されてきましたが、最近の研究では、トレーニングプロセスの類似性に向けた経験的証拠が見つかりました。ニューラルネットワークは、

classification

representation

metric

learning

arXiv

dataset

arXiv reaDer
リンク
デジタルパソロジーにおける分子変化の画像ベースの検出のためのエンドツーエンド学習
arxiv_reader 2022/07/20
デジタルパソロジーにおける全スライド画像（WSI）の分類のための現在のアプローチは、主に2段階の学習パイプラインを利用しています。第1段階では、関心のある領域（腫瘍組織など）を特定し、第2段階では、こ

classification

arXiv

arXiv reaDer

detection

learning
リンク
知識を意識したユニバーサルドメイン適応のためのサンプル間親和性の活用
arxiv_reader 2022/07/20
ユニバーサルドメインアダプテーション（UDA）は、ラベルセットに関する事前の知識がなくても、共通クラスの知識をソースドメインからターゲットドメインに転送することを目的としています。これには、ターゲット

affinity

arXiv

domain adaptation

dataset

arXiv reaDer
リンク
時間解析トランスを使用したアクション品質評価
arxiv_reader 2022/07/20
アクション品質評価（AQA）は、アクションを理解するために重要であり、タスクを解決することは、微妙な視覚的な違いのために固有の課題をもたらします。既存の最先端の方法は、通常、スコアの回帰またはランク付

attention

benchmark

loss function

contrastive

representation

arXiv

pose

transformer

dataset

arXiv reaDer
リンク
ドメインの一般化されたセマンティックセグメンテーションのためのスタイルハルシネートされた二重整合性学習
arxiv_reader 2022/07/20
この論文では、合成データのみを使用して、目に見えない実世界のシーンに対してロバストなモデルを学習することを目的とした、合成から実領域への一般化されたセマンティックセグメンテーションのタスクを研究します

semantic segmentation

synthesis

representation

learning

arXiv

domain

dataset

arXiv reaDer
リンク
単一のデュアルピクセルカメラを使用した顔の深さと法線の推定
arxiv_reader 2022/07/20
多くのモバイルメーカーは最近、より高速なオートフォーカスと美的画像キャプチャのために、主力モデルにデュアルピクセル（DP）センサーを採用しています。それらの利点にもかかわらず、3D顔の理解のためのそれ

3D

metric

arXiv

arXiv reaDer

face

dataset

estimation
リンク
学習をやめないでください：CLIPモデルの継続的な学習に向けて
arxiv_reader 2022/07/20
対照的な言語-画像事前トレーニング（CLIP）モデルは、最近提案された大規模な事前トレーニングモデルであり、コンピュータービジョンコミュニティでますます注目を集めています。巨大な画像テキストトレーニン

attention

computer vision

contrastive

pre-training

learning

zero-shot

arXiv

arXiv reaDer
リンク
VAE尤度のバイアスを解除することによるロバストな外れ値検出
arxiv_reader 2022/07/20
ディープネットワークは、トレーニング分布から遠く離れた外れ値データでテストすると、自信を持って、しかし正しくない予測を行うことがよくあります。深層生成モデル（DGM）によって計算された尤度は、ラベルの

metric

arXiv

bias

detection

generative

dataset

arXiv reaDer
リンク
CF-ViT：ビジョントランスフォーマーの一般的な粗い方法から細かい方法
arxiv_reader 2022/07/20
ビジョントランスフォーマー（ViT）は、コンピュータービジョンタスクにおいて多くのブレークスルーをもたらしました。ただし、入力画像の空間次元にかなりの冗長性が生じ、膨大な計算コストが発生します。したが

computer vision

classification

arXiv

transformer

arXiv reaDer
リンク
構造PLP-SLAM：単眼、RGB-D、ステレオカメラ用のポイント、ライン、プレーンを使用した効率的なスパースマッピングとローカリゼーション
arxiv_reader 2022/07/20
このホワイトペーパーでは、ポイントアンドラインクラウドを利用して堅牢なカメラの位置特定を行うと同時に、構造マップを提供する区分的平面再構成（PPR）モジュールを組み込んだビジュアルSLAMシステムにつ

sparse

monocular

arXiv

reconstruction

localization

RGB-D

dataset

SLAM

arXiv reaDer

tracking
リンク
ディープディクショナリによる画像超解像
arxiv_reader 2022/07/20
ドンらの最初の成功以来、深層学習ベースのアプローチは、単一画像の超解像の分野で支配的になりました。これにより、従来のスパースコーディングベースの方法のすべての手作りの画像処理ステップが、深いニューラル

super-resolution

learning

arXiv

convolutional

dataset

arXiv reaDer
リンク
CA-SSL：検出とセグメンテーションのためのクラスにとらわれない半教師あり学習
arxiv_reader 2022/07/20
インスタンスレベルの検出/セグメンテーションのパフォーマンスを向上させるために、既存の自己監視および半教師ありの方法では、ラベルのないデータからタスクに関係のないトレーニング信号またはタスク固有のトレ

learning

arXiv

localization

segmentation

semi-supervised

detection

arXiv reaDer

self-supervised
リンク
https://arxiv-check-250201.firebaseapp.com/each/2207.09210v3
arxiv_reader 2022/07/20
低照度画像ノイズと色収差の問題は、オブジェクト検出、セマンティックセグメンテーション、インスタンスセグメンテーションなどのタスクにとって難しい問題です。この論文では、低照度強調のアルゴリズムを提案しま

semantic segmentation

benchmark

loss function

metric

arXiv

detection

dataset

estimation

arXiv reaDer
リンク
VoloGAN：合成深度データに対する敵対的ドメイン適応
arxiv_reader 2022/07/20
人間の高品質3Dモデルの合成RGB-D画像を消費者深度センサーで生成できるRGB-D画像に変換する、敵対的なドメイン適応ネットワークであるVoloGANを紹介します。このシステムは、同じハイエンド3D

adversarial

U-Net

loss function

3D

metric

arXiv

reconstruction

domain adaptation

RGB-D

arXiv reaDer
リンク
顔の偽造検出のための解きほぐされたコンテンツ情報の調査
arxiv_reader 2022/07/20
畳み込みニューラルネットワークベースの顔の偽造検出方法は、トレーニング中に驚くべき結果を達成しましたが、テスト中に同等のパフォーマンスを維持するのに苦労しました。検出器はアーティファクトトレースよりも

contrastive

CNN

representation

arXiv

bias

detection

face

dataset

arXiv reaDer

disentangling
リンク
UAV上のオブジェクト検出パイプラインの包括的な分析
arxiv_reader 2022/07/20
オブジェクト検出パイプラインは、シーンをキャプチャするカメラと、これらの画像を処理するオブジェクト検出器で構成されます。画像の品質は、オブジェクト検出器のパフォーマンスに直接影響します。今日の多くの研

arXiv

UAV

quantization

detection

domain

compression

arXiv reaDer
リンク
NDF：動的人間モデリングのための神経変形可能フィールド
arxiv_reader 2022/07/20
マルチビュービデオからの動的な人間のデジタル化のための新しい表現であるNeuralDeformableFields（NDF）を提案します。最近の研究は、変形場の推定で観測空間にリンクする共有の標準的な

synthesis

representation

arXiv

pose

video

human

arXiv reaDer
リンク
GaitPrivacyON：教師なし学習を使用したプライバシー保護モバイル歩行バイオメトリクス
arxiv_reader 2022/07/20
文献の多くの研究は、認証目的のモバイルデバイスでのバイオメトリクスの可能性をすでに示しています。ただし、生体認証システムに関連する学習プロセスは、被験者に関する機密性の高い個人情報を公開する可能性があ

activity

CNN

learning

arXiv

unsupervised

biometrics

RNN

arXiv reaDer
リンク
自己監督は良い少数のショット学習者になることができます
arxiv_reader 2022/07/20
既存の数ショット学習（FSL）メソッドは、大きなラベル付きデータセットを使用したトレーニングに依存しているため、ラベルなしの豊富なデータを活用できません。情報理論の観点から、効果的な教師なしFSL法を

benchmark

pre-training

representation

arXiv

bias

unsupervised

few-shot

dataset

arXiv reaDer

self-supervised
リンク
ディープビジョンベースの自動運転システムの説明性：レビューと課題
arxiv_reader 2022/07/20
この調査では、行動のクローン作成でトレーニングされた視覚ベースの自動運転システムの説明可能性の方法を確認します。説明可能性の概念にはいくつかの側面があり、安全性が重要なアプリケーションである運転では、

computer vision

explainable

arXiv

learning

autonomous driving

arXiv reaDer
リンク
腎がん治療のための2022年の多構造セグメンテーションのための多段階フレームワーク
arxiv_reader 2022/07/20
コンピュータ断層撮影血管造影（CTA）画像での3次元（3D）腎臓解析は、臨床的に非常に重要です。腎臓、腎腫瘍、腎静脈および腎動脈の自動セグメンテーションは、手術ベースの腎がん治療に多くの利益をもたらし

arXiv

arXiv reaDer

segmentation

3D
リンク
画像セマンティックセグメンテーションのガウス混合モデルによるグローバルおよびローカル機能
arxiv_reader 2022/07/20
セマンティックセグメンテーションタスクは、ピクセル単位のレベルでの高密度分類を目的としています。ディープモデルは、このタスクへの取り組みにおいて進歩を示しました。ただし、これらのアプローチで残っている

semantic segmentation

classification

representation

learning

arXiv

bias

dataset

arXiv reaDer

clustering
リンク
変形可能な注意フローを介した単一ステージの仮想試着
arxiv_reader 2022/07/20
バーチャルトライオンは、店内の衣服と参照者の画像を使用して、フォトリアリスティックなフィッティング結果を生成することを目的としています。既存の方法は通常、衣服の反りとボディのブレンドをそれぞれ処理する

attention

synthesis

arXiv

pose

person

arXiv reaDer

dataset

keypoint

estimation
リンク
PersFormer：パースペクティブトランスフォーマーとOpenLaneベンチマークによる3Dレーン検出
arxiv_reader 2022/07/20
最近、多くの自動運転シナリオ（上り坂/下り坂、バンプなど）での不正確な車線レイアウトの問題に対処するために、3D車線検出の方法が提案されました。以前の作業は、正面図と鳥瞰図（BEV）の間の空間変換の単

benchmark

monocular

3D

arXiv

transformer

autonomous driving

detection

dataset

multi-task

arXiv reaDer
リンク
FedX：クロスナレッジ蒸留による教師なし連合学習
arxiv_reader 2022/07/20
このホワイトペーパーでは、教師なし連合学習フレームワークであるFedXについて説明します。私たちのモデルは、分散型で異種のローカルデータから偏りのない表現を学習します。対照的な学習をコアコンポーネント

representation

arXiv

contrastive learning

knowledge distillation

unsupervised

arXiv reaDer
リンク
自己監視型クロスモーダル超解像のための相互変調の学習
arxiv_reader 2022/07/20
自己監視型クロスモーダル超解像（SR）は、ペアのトレーニングデータを取得することの難しさを克服できますが、異なるモダリティからの低解像度（LR）ソースと高解像度（HR）ガイド画像しか利用できないため困

super-resolution

arXiv

arXiv reaDer

learning

self-supervised
リンク
3Dシーンフローネットワークにとって重要なこと
arxiv_reader 2022/07/20
点群からの3Dシーンフロー推定は、コンピュータービジョンにおける低レベルの3Dモーション知覚タスクです。フロー埋め込みは、シーンフロー推定で一般的に使用される手法であり、2つの連続するフレーム間のポイ

computer vision

point cloud

3D

metric

arXiv

dataset

estimation

embedding

arXiv reaDer
リンク
ParticleSfM：野生の移動カメラをローカライズするための高密度ポイント軌道の活用
arxiv_reader 2022/07/20
単眼ビデオから動くカメラのポーズを推定することは、特に既存のカメラポーズ推定方法のパフォーマンスが幾何学的に一貫していないピクセルの影響を受けやすい動的環境に動くオブジェクトが存在するため、難しい問題

monocular

optical flow

representation

arXiv

segmentation

trajectory

dataset

arXiv reaDer

pose estimation
リンク
セマンティックギャップの縮小：コピームーブ偽造検出のためのローカルモーメント不変量の空間プーリング
arxiv_reader 2022/07/20
コピー-移動偽造は、画像との間で特定のパッチをコピーして貼り付ける操作であり、違法または非倫理的な使用の可能性があります。コピームーブ偽造のフォレンジック手法の最近の進歩により、検出の精度と堅牢性の向

representation

arXiv

saliency

detection

pooling

arXiv reaDer
リンク
恐怖：高速、効率的、正確で堅牢なビジュアルトラッカー
arxiv_reader 2022/07/20
高速、効率的、正確、かつ堅牢なシャムのビジュアルトラッカーのファミリーであるFEARを紹介します。単一の学習可能なパラメーターのみで時間情報を組み込む、オブジェクトモデル適応のためのデュアルテンプレー

benchmark

representation

arXiv

arXiv reaDer

tracking
リンク
MOTR：Transformerを使用したエンドツーエンドの複数オブジェクト追跡
arxiv_reader 2022/07/20
オブジェクトの時間的モデリングは、複数オブジェクト追跡（MOT）における重要な課題です。既存の方法は、モーションベースおよび外観ベースの類似性ヒューリスティックを介して検出を関連付けることによって追跡

metric

arXiv

video

transformer

MOT

arXiv reaDer
リンク
密な教師：半教師ありオブジェクト検出のための密な疑似ラベル
arxiv_reader 2022/07/20
現在まで、最も強力な半教師ありオブジェクト検出器（SS-OD）は、疑似ボックスに基づいており、微調整されたハイパーパラメーターを使用した一連の後処理が必要です。この作業では、まばらな疑似ボックスを、統

arXiv

semi-supervised

detection

arXiv reaDer

sparse
リンク
大規模なゼロショット画像分類のための階層的グラフ表現の調査
arxiv_reader 2022/07/20
このホワイトペーパーで取り上げる主な質問は、ゼロショット学習とも呼ばれる見えないクラスの視覚認識を、ImageNet-21Kベンチマークのように数万のカテゴリにスケールアップする方法です。この規模では

benchmark

classification

representation

learning

zero-shot

arXiv

few-shot

dataset

arXiv reaDer
リンク
PETR：マルチビュー3Dオブジェクト検出のための位置埋め込み変換
arxiv_reader 2022/07/20
この論文では、マルチビュー3Dオブジェクト検出のための位置埋め込み変換（PETR）を開発します。 PETRは、3D座標の位置情報を画像の特徴にエンコードし、3Dの位置認識特徴を生成します。オブジェクト

benchmark

3D

arXiv

detection

dataset

embedding

arXiv reaDer
リンク
機能強化のための適切な注意点の学習について
arxiv_reader 2022/07/20
分類やセグメンテーションなど、ポイントクラウド処理タスクの拡張ポイント機能を学習するための新しい注意ベースのメカニズムを紹介します。事前に選択された注意ポイントのセットの重みを最適化するようにトレーニ

attention

benchmark

classification

point cloud

learning

arXiv

segmentation

convolutional

arXiv reaDer
リンク
自己監視型LIDARシーンフローバックボーンを使用した3Dオブジェクト検出
arxiv_reader 2022/07/20
最先端のLIDARベースの3Dオブジェクト検出方法は、教師あり学習と大きなラベル付きデータセットに依存しています。ただし、LIDARデータに注釈を付けることはリソースを消費し、教師あり学習のみに依存す

self-supervised

benchmark

point cloud

3D

pre-training

arXiv

detection

estimation

arXiv reaDer

LiDAR
リンク
Expert-LaSTS：交通シナリオのためのExpert-Knowledge Guided Latent Space
arxiv_reader 2022/07/20
自動運転車のシナリオベースのテストには、交通シナリオのクラスタリングと新しいシナリオタイプの検出が必要です。これらのタスクは、トラフィックシナリオの適切な類似性測定または適切な表現のいずれかから恩恵を

arXiv

representation learning

detection

vehicle

arXiv reaDer

clustering
リンク
eCDT：機能の同時検出と追跡のためのイベントクラスタリング-
arxiv_reader 2022/07/20
他の標準的なカメラとは異なり、イベントカメラはまったく異なる方法で世界を解釈します。非同期イベントのコレクションとして。イベントカメラの独自のデータ出力にもかかわらず、多くのイベント機能の検出および追

representation

arXiv

spatio-temporal

detection

arXiv reaDer

clustering

tracking
リンク
MONet：生物医学画像における重複検出のためのマルチスケールオーバーラップネットワーク
arxiv_reader 2022/07/20
実験結果を誤って表現するための生物医学画像の操作は、しばらくの間生物医学コミュニティを悩ませてきました。この問題への最近の関心は、生物医学法医学的手法の開発を促進するためのデータセットと関連タスクのキ

computer vision

arXiv

detection

dataset

arXiv reaDer
リンク
ドメインギャップを閉じるためのオブジェクト点群のノイズを意識した合成に関する準平衡自己訓練
arxiv_reader 2022/07/20
オブジェクトポイントクラウドのセマンティック分析は、主に、インスタンスがオブジェクトCADモデルからサンプリングされた合成データセットを含むベンチマークデータセットのリリースによって推進されます。ただ

stereo

synthesis

classification

point cloud

learning

arXiv

domain adaptation

unsupervised

dataset

arXiv reaDer
リンク
LayoutLMv3：統一されたテキストと画像マスキングを使用したドキュメントAIの事前トレーニング
arxiv_reader 2022/07/20
自己監視型の事前トレーニング技術は、DocumentAIで目覚ましい進歩を遂げました。ほとんどのマルチモーダル事前トレーニングモデルは、マスクされた言語モデリングの目的を使用して、テキストモダリティの

classification

pre-training

arXiv

representation learning

transformer

arXiv reaDer

self-supervised
リンク
テクスチャの共起とテクスチャのバイアス除去とドメイン適応のための空間的自己相似性を備えたコンテンツ保存画像翻訳
arxiv_reader 2022/07/20
テクスチャバイアスのあるデータセットでトレーニングされたモデルは、バイアスのある表現がモデルに埋め込まれているため、通常、分布外のサンプルではパフォーマンスが低下します。最近、さまざまな画像変換および

classification

OOD

representation

arXiv

bias

segmentation

domain adaptation

dataset

arXiv reaDer
リンク
MHR-Net：2Dビューからの非剛体形状の複数仮説の再構築
arxiv_reader 2022/07/20
モーションから非剛体形状を復元するための新しい方法であるMHR-Net（NRSfM）を提案します。 MHR-Netは、2Dビューの妥当な再構成のセットを見つけることを目的としており、そのセットから最も

arXiv

residual

reconstruction

unsupervised

dataset

arXiv reaDer
リンク
弱く監視された点群セグメンテーションのための二重適応変換
arxiv_reader 2022/07/20
モデルトレーニングのために大量の密な注釈を収集する負担が大きいため、弱く監視された点群のセグメンテーション、つまり3Dシーン全体でラベル付けされたポイントが数個しかない点群を意味的にセグメント化するこ

weakly-supervised

adversarial

point cloud

3D

arXiv

segmentation

dataset

arXiv reaDer
リンク
日常業務における衝突の可能性を説明するためのリレーショナル未来キャプションモデル
arxiv_reader 2022/07/20
日常業務をサポートする国内サービスロボットは、高齢者や障害者にとって有望なソリューションです。国内のサービスロボットは、行動を起こす前に衝突の危険性を説明することが重要です。この論文では、私たちの目的

arXiv

transformer

captioning

robot

dataset

action

arXiv reaDer
リンク
インクリメンタルランク更新によるインクリメンタルタスク学習
arxiv_reader 2022/07/20
インクリメンタルタスク学習（ITL）は、複数のタスクに対して単一のネットワークを（次々に）トレーニングすることを目的とした継続学習のカテゴリであり、各タスクのトレーニングデータはそのタスクのトレーニン

arXiv

arXiv reaDer

pruning

regularization

learning
リンク
キャプチャ、再構築、およびシミュレーション：UrbanScene3Dデータセット
arxiv_reader 2022/07/20
都市のシーンの知覚と再構築の研究のための大規模なデータプラットフォームであるUrbanScene3Dを紹介します。 UrbanScene3Dには、大規模な実際の都市地域と合計136 km ^ 2の面積

benchmark

synthesis

point cloud

3D

arXiv

reconstruction

dataset

drone

arXiv reaDer

LiDAR
リンク
ℓ_∞-堅牢性とその先：効率的な敵対的トレーニングを解き放つ
arxiv_reader 2022/07/20
ニューラルネットワークは、敵対的な攻撃に対して脆弱です。入力に巧妙に作成された知覚できない摂動を追加すると、出力が変更される可能性があります。敵対的訓練は、そのような攻撃に対して堅牢なモデルを訓練する

adversarial

arXiv

arXiv reaDer
リンク
自己監視型ビジョントランスフォーマーのためのパッチレベルの表現学習
arxiv_reader 2022/07/20
最近の自己監視学習（SSL）手法は、ラベルのない画像から視覚的表現を学習するという印象的な結果を示しています。このペーパーは、SSLの現在の最先端の視覚的口実タスクには利点がない、つまりアーキテクチャ

semantic segmentation

attention

arXiv

representation learning

transformer

convolutional

detection

arXiv reaDer

self-supervised
リンク
画像検索のためのコンテキストを認識しない知識の抽出
arxiv_reader 2022/07/20
既存のデータ依存ハッシュ法は、数百万のパラメーターを持つ大規模なバックボーンネットワークを使用し、計算が複雑です。既存の知識蒸留方法は、ロジットやその他のディープ（教師）モデルの機能を使用し、コンパク

pre-training

arXiv

knowledge distillation

quantization

arXiv reaDer
リンク
時間はMattEr：ビデオトランスフォーマーの時間的自己監視
arxiv_reader 2022/07/20
ビデオの時間的ダイナミクスを理解することは、より良いビデオ表現を学ぶための重要な側面です。最近、トランスベースのアーキテクチャ設計は、入力シーケンスの長期的な依存関係をキャプチャする機能があるため、ビ

representation

learning

arXiv

bias

video

transformer

action recognition

arXiv reaDer

self-supervised
リンク
畳み込みニューラルネットワーク用のモーメント集中化ベースの勾配降下オプティマイザ
arxiv_reader 2022/07/20
畳み込みニューラルネットワーク（CNN）は、多くのコンピュータービジョンアプリケーションで非常に魅力的なパフォーマンスを示しています。 CNNのトレーニングは、一般に確率的勾配降下法（SGD）ベースの

computer vision

benchmark

classification

CNN

arXiv

gradient

trajectory

SGD

dataset

arXiv reaDer
リンク
背景を未知数として使用する数ショットの開集合認識
arxiv_reader 2022/07/20
少数のショットの開集合認識は、見られたクラスの限られたトレーニングデータのみが与えられた場合に、見られた画像と新しい画像の両方を分類することを目的としています。このタスクの課題は、モデルが、トレーニン

benchmark

classification

learning

arXiv

few-shot

arXiv reaDer
リンク
DiT：ドキュメントイメージトランスフォーマーの自己監視型事前トレーニング
arxiv_reader 2022/07/20
Image Transformerは、教師あり（ViT、DeiTなど）または自己教師あり（BEiT、MAEなど）の事前トレーニング手法を使用して、自然な画像の理解に大きな進歩を遂げました。この論文では

classification

pre-training

arXiv

transformer

detection

arXiv reaDer

self-supervised
リンク
ドメイン一般化のための因果的バランス
arxiv_reader 2022/07/20
機械学習モデルは、さまざまな実世界のタスクで最先端技術を急速に進歩させますが、これらのモデルの疑似相関に対する脆弱性を考えると、ドメイン外（OOD）の一般化は依然として困難な問題です。観測された列車分

OOD

learning

arXiv

domain

dataset

arXiv reaDer
リンク
レベルセットの進化を伴うボックス監視インスタンスセグメンテーション
arxiv_reader 2022/07/20
ピクセル単位のマスクラベルを使用する完全に監視された方法とは対照的に、ボックス監視されたインスタンスのセグメンテーションは、最近多くの研究の注目を集めている単純なボックス注釈を利用します。この論文では

benchmark

arXiv

segmentation

single-shot

differentiable

arXiv reaDer
リンク
キーポイント表現の再考：複数人の人間のポーズ推定のためのオブジェクトとしてのキーポイントとポーズのモデリング
arxiv_reader 2022/07/20
人間の姿勢推定などのキーポイント推定タスクでは、ヒートマップベースの回帰が主なアプローチですが、顕著な欠点があります。ヒートマップは本質的に量子化誤差に悩まされ、生成と後処理に過剰な計算が必要になりま

augmentation

representation

arXiv

human pose estimation

quantization

detection

keypoint

arXiv reaDer

pose estimation
リンク
ロングテール視覚認識のためのバランスのとれた対照学習
arxiv_reader 2022/07/20
実世界のデータは通常、ロングテール分布に従います。ここでは、少数の多数派のカテゴリがほとんどのデータを占め、ほとんどの少数派のカテゴリには限られた数のサンプルが含まれています。テールクラスを表現および

benchmark

classification

arXiv

contrastive learning

representation learning

gradient

dataset

arXiv reaDer
リンク
RepBNN：繰り返しによる拡張機能マップを備えた正確なバイナリニューラルネットワークに向けて
arxiv_reader 2022/07/20
バイナリニューラルネットワーク（BNN）は、畳み込みニューラルネットワーク（CNN）の極端な量子化バージョンであり、すべての機能と重みが1ビットにマッピングされています。 BNNは、CNNをエッジデバ

CNN

representation

arXiv

batch normalization

quantization

arXiv reaDer
リンク
TTVFI：ビデオフレーム補間のための学習軌道認識トランスフォーマー
arxiv_reader 2022/07/20
ビデオフレーム補間（VFI）は、2つの連続するフレーム間の中間フレームを合成することを目的としています。最先端のアプローチは通常、2段階のソリューションを採用します。これには、1）フローベースのモーシ

benchmark

synthesis

pre-training

learning

arXiv

video

transformer

trajectory

arXiv reaDer
リンク
ARM：いつでも超解像法
arxiv_reader 2022/07/20
この論文は、過剰パラメータ化された単一画像超解像（SISR）モデルに取り組むためのいつでも超解像法（ARM）を提案します。私たちのARMは、次の3つの観察結果に基づいています。（1）さまざまな画像パッ

super-resolution

dataset

arXiv

arXiv reaDer
リンク
閉塞者の再識別のための動的プロトタイプマスク
arxiv_reader 2022/07/20
近年、個人の再識別は目覚ましい改善を遂げましたが、さまざまな障害物によって引き起こされる一般的な閉塞のケースは、実際のアプリケーションシナリオでは未解決の問題です。既存の方法は、主に、目に見える部分を

benchmark

pre-training

representation

arXiv

person

occlusion

re-id

domain

dataset

arXiv reaDer
リンク
ML-BPM：セマンティックセグメンテーションにおけるオープンコンパウンドドメイン適応のための双方向測光ミキシングによるマルチティーチャーラーニング
arxiv_reader 2022/07/20
オープンコンパウンドドメインアダプテーション（OCDA）は、ターゲットドメインを複数の未知の同種サブドメインのコンパウンドと見なします。 OCDAの目標は、ラベル付きソースドメインとラベルなし複合ター

semantic segmentation

benchmark

learning

arXiv

domain adaptation

dataset

regularization

arXiv reaDer

distillation
リンク
先読みの前方モジュールで後方反復モジュールを模倣することによる一方向ビデオノイズ除去
arxiv_reader 2022/07/20
ディープビデオノイズ除去では大きな進歩が見られましたが、過去および将来のフレームを活用することは依然として非常に困難です。双方向リカレントネットワーク（BiRNN）は、いくつかのビデオ復元タスクで魅力

recurrent

arXiv

video

denoising

arXiv reaDer
リンク
分布に焦点を当てる：異常の検出とローカリゼーションのための粗いものから細かいものへの非対照学習
arxiv_reader 2022/07/20
教師なし異常検出の本質は、正常なサンプルのコンパクトな分布を学習し、テストで異常値を異常として検出することです。一方、現実世界の異常は通常、特に産業用アプリケーションの場合、高解像度画像では微妙で細か

anomaly detection

representation

arXiv

localization

contrastive learning

unsupervised

dataset

arXiv reaDer
リンク
マルチフロアのスマート環境における複数のユーザーのパーソナライズされた環境支援生活のための屋内測位
arxiv_reader 2022/07/20
この論文は、スマートな生活環境の将来における多様な高齢化人口の異なるダイナミックなニーズに対処することに特に焦点を当てて、パーソナライズされた環境支援生活の開発に向けて4つの科学的貢献をする多機能の学

activity

learning

arXiv

localization

gradient

dataset

arXiv reaDer

tracking
リンク
リアルタイムサーモグラフィからのパラメータ化された熱力学の物理ベースの学習
arxiv_reader 2022/07/20
熱プロセスの自動制御と生体組織への熱浸透のリアルタイム推定の進歩は、忠実度の高い熱力学モデルを取得することの難しさによって長い間制限されてきました。従来、複雑な熱力学システムでは、時空間的に変化するプ

attention

activity

learning

arXiv

real time

simulation

estimation

arXiv reaDer
リンク
3D顔の詳細のアニメーションと操作のための構造を意識した編集可能なモーフィングモデル
arxiv_reader 2022/07/20
変形可能なモデルは、3D顔の統計モデリングに不可欠です。モーフィング可能なモデルに関するこれまでの作業は、主に大規模な顔のジオメトリに焦点を当てていますが、顔の詳細は無視しています。この論文は、構造認

3D

representation

learning

arXiv

face

arXiv reaDer
リンク
SS-MFAR：半教師ありマルチタスク顔面感情認識
arxiv_reader 2022/07/20
自動影響認識は、教育、ゲーム、ソフトウェア開発、自動車、医療などの多くの分野で適用されますが、実際のデータセットでかなりのパフォーマンスを達成することは簡単な作業ではありません。実世界のデータセットは

synthesis

estimation

classification

arXiv

residual

semi-supervised

face

multi-task

action

arXiv reaDer
リンク
外眼の写真で新しい全身バイオマーカーを発見する
arxiv_reader 2022/07/20
最近、外眼の写真が糖尿病性網膜疾患とHbA1cの上昇の兆候を明らかにすることが示されました。この論文では、外部の目の写真に追加の全身病状に関する情報が含まれているかどうかを評価します。外部の目の写真を

GA

learning

arXiv

arXiv reaDer
リンク
アクションからの構造: 多関節オブジェクトの 3D 構造発見のための相互作用の学習
arxiv_reader 2022/07/20
関節のあるものは日常生活に豊富にあります。ロボットがこれらのオブジェクトと相互作用するためには、それらのパーツ、関節、および運動学を発見することが重要です。一連の推測された相互作用を介して、見えない関

3D

learning

arXiv

simulation

robot

action

arXiv reaDer
リンク
CycleGANを使用したスタイル転送の機能、制限、および課題：自動リング設計生成に関する研究
arxiv_reader 2022/07/20
レンダリングプログラムは、製品が製造される前にどのように見えるかを確認できるため、設計プロセスを完全に変更しました。ただし、レンダリングプロセスは複雑であり、レンダリング自体だけでなく、シーンの設定に

GAN

synthesis

3D

arXiv

human

domain

face

arXiv reaDer
リンク
DeformIrisNet: アイリステクスチャ変形の同一性保持モデル
arxiv_reader 2022/07/20
瞳孔サイズの変動による非線形の虹彩テクスチャの変形は、虹彩認識における真の比較スコアのクラス内変動の原因となる主な要因の1つです。虹彩認識への主なアプローチでは、リング状の虹彩領域のサイズは、正規の長

loss function

arXiv

human

generative

arXiv reaDer
リンク
SelectionConv：非直線画像データ用の畳み込みニューラルネットワーク
arxiv_reader 2022/07/20
畳み込みニューラルネットワークは、ビジョンアプリケーションに革命をもたらしました。ただし、標準のCNNでは処理できない画像ドメインと表現があります（たとえば、球面画像、スーパーピクセル）。このようなデ

pre-training

CNN

representation

arXiv

segmentation

domain

dataset

arXiv reaDer

depth prediction
リンク
表面的な白質分析: 母集団および dMRI 取得全体にわたる一貫したトラクトグラフィー分割のための教師付き対照学習を備えた効率的な点群ベースの深層学習フレームワーク
arxiv_reader 2022/07/20
拡散MRIトラクトグラフィーは、脳の白質接続のinvivoマッピングを可能にする高度な画像技術です。白質パーセレーションは、トラクトグラフィーの流線をクラスターまたは解剖学的に意味のあるトラクトに分類

classification

point cloud

MRI

representation

arXiv

contrastive learning

dataset

arXiv reaDer
リンク
時空間特徴相互作用による時空間ビデオ超解像の強化
arxiv_reader 2022/07/20
時空間ビデオ超解像（STVSR）の目標は、特定のビデオのフレームレート（時間解像度とも呼ばれます）と空間解像度の両方を上げることです。最近のアプローチは、エンドツーエンドのディープニューラルネットワー

benchmark

super-resolution

arXiv

video

arXiv reaDer
リンク
オブジェクト検出のためのビジョンおよび言語モデルを使用したラベルなしデータの活用
arxiv_reader 2022/07/20
堅牢で汎用的なオブジェクト検出フレームワークを構築するには、より大きなラベルスペースとより大きなトレーニングデータセットにスケーリングする必要があります。ただし、大規模に数千のカテゴリの注釈を取得する

classification

arXiv

localization

semi-supervised

detection

dataset

arXiv reaDer
リンク
MonoIndoor ++：屋内環境のための自己監視単眼深度推定のより良い実践に向けて
arxiv_reader 2022/07/20
自己監視単眼深度推定は、特に屋外環境において、近年大きな進歩を遂げています。ただし、既存のデータのほとんどがハンドヘルドデバイスでキャプチャされる屋内シーンでは、深度予測の結果は満足のいくものではあり

benchmark

monocular

pose estimation

arXiv

residual

convolutional

dataset

arXiv reaDer

depth prediction

self-supervised
リンク
HΔH発散への敵対的攻撃による多段階ドメイン適応
arxiv_reader 2022/07/20
敵対的な例は、異なるモデル間で転送可能です。私たちの論文では、このプロパティをマルチステップドメイン適応に使用することを提案します。教師なしドメイン適応設定では、ソースドメインをHΔH発散の敵対的な例

adversarial

arXiv

domain adaptation

unsupervised

dataset

arXiv reaDer
リンク
Robustar：堅牢なビジョン学習のための正確なデータ注釈をサポートするインタラクティブツールボックス
arxiv_reader 2022/07/20
データ駆動型の観点から視覚分類機械学習モデルの堅牢性を向上させることを目的としたソフトウェアRobustarの初期リリースを紹介します。機械学習モデルの堅牢性の欠如はモデルのスプリアス特徴の学習傾向で

attention

classification

arXiv

arXiv reaDer

learning
リンク
簡単なバッチ正規化
arxiv_reader 2022/07/20
敵対的な例が物体認識を改善することが示された。しかし、彼らの反対側の簡単な例はどうですか？簡単な例は、機械学習モデルが高い信頼度で正しく分類するサンプルです。私たちの論文では、ニューラルネットワークの

adversarial

classification

learning

arXiv

batch normalization

arXiv reaDer
リンク
I2I：シングルビュー画像からのSO（3）オブジェクト推論のための画像から二十面体への投影
arxiv_reader 2022/07/20
2D画像に基づいて3Dオブジェクトについて推論することは、オブジェクトをさまざまな方向から見ることによって外観が大きく変化するため、困難です。理想的には、モデルはオブジェクトのポーズの変化に対して不変

point cloud

3D

arXiv

convolutional

arXiv reaDer

pose estimation

reasoning
リンク
自己中心的なビデオからの脳卒中後の自宅での手の使用と手の役割の認識
arxiv_reader 2022/07/20
はじめに：手の機能は、脳卒中後の独立性の中心的な決定要因です。新しい介入の影響を評価するには、家庭環境での手の使用を測定する必要があり、新しいウェアラブル技術が必要です。自己中心的なビデオは、コンテキ

computer vision

classification

arXiv

video

detection

arXiv reaDer

pose estimation
リンク
条件付きDETRV2：ボックスクエリを備えた効率的な検出トランス
arxiv_reader 2022/07/20
このホワイトペーパーでは、NMSなどの手作りの後処理を使用しないトランスフォーマーエンコーダーデコーダーアーキテクチャに基づくエンドツーエンドのオブジェクト検出アプローチであるDetection Tr

R-CNN

arXiv

transformer

detection

embedding

arXiv reaDer
リンク
再構成を改善するために拡張されたパラメトリックレベルセット（PaLEnTIR）
arxiv_reader 2022/07/20
この論文では、現在の最先端技術と比較して大幅に強化されたパラメトリックレベルセット（PaLS）モデルであるPaLEnTIRを使用して、2次元および3次元の区分的定数オブジェクトの復元と再構築について検

3D

arXiv

CT

reconstruction

denoising

estimation

arXiv reaDer

sparse

identification
リンク
STEEX：セマンティクスによる反事実的説明の操作
arxiv_reader 2022/07/20
ディープラーニングモデルがセーフティクリティカルなアプリケーションでますます使用されるようになると、説明性と信頼性が大きな懸念事項になります。低解像度の顔のポートレートなどの単純な画像の場合、訓練され

synthesis

classification

learning

arXiv

face

generative

dataset

arXiv reaDer

sparse
リンク
NeuForm：神経形状編集のための適応型過剰適合
arxiv_reader 2022/07/20
ニューラル表現は、センサーデータから学習でき、データのクリーンアップ、モデルの完成、形状の編集、および形状の合成に使用できるため、形状の表現に人気があります。現在のニューラル表現は、単一のオブジェクト

arXiv

arXiv reaDer

synthesis

representation
リンク
コンピュータビジョンベースの橋の損傷検出のための階層的セマンティックセグメンテーションフレームワーク
arxiv_reader 2022/07/20
リモートカメラと無人航空機（UAV）を使用したコンピュータービジョンベースの損傷検出により、効率的で低コストの橋梁の健全性監視が可能になり、人件費とセンサーの設置と保守の必要性が削減されます。最近のセ

semantic segmentation

computer vision

augmentation

learning

arXiv

UAV

detection

arXiv reaDer
リンク
事前知識ガイド付き教師なしドメイン適応
arxiv_reader 2022/07/20
ターゲットドメインでのラベルの放棄により、教師なしドメイン適応（UDA）は多くの実際のアプリケーションで魅力的な手法になりますが、ラベル付きのターゲットデータがないとモデルの適応が難しくなるため、大き

benchmark

arXiv

domain adaptation

unsupervised

human

arXiv reaDer
リンク
LaTeRF：ラベルおよびテキスト駆動オブジェクトの放射輝度フィールド
arxiv_reader 2022/07/20
3Dオブジェクト表現を取得することは、写実的なシミュレーションを作成し、ARおよびVRアセットを収集するために重要です。ニューラルフィールドは、2D画像からシーンの連続的な体積表現を学習する上でその有

synthesis

pre-training

3D

representation

learning

arXiv

pose

differentiable

dataset

arXiv reaDer
リンク
FLAIR：連合学習注釈付き画像リポジトリ
arxiv_reader 2022/07/20
クロスデバイス連合学習は、データがデバイスに残っている間に多数のデバイスが集合的にMLモデルをトレーニングする、新しい機械学習（ML）パラダイムです。この研究分野には独自の実用的な課題があり、体系的に

benchmark

classification

learning

arXiv

domain

dataset

arXiv reaDer
リンク
ロマヌス：モジュラーマルチセンサー自動運転システムにおけるロバストなタスクオフロード
arxiv_reader 2022/07/20
自動運転アプリケーションの高性能と安全性の要件により、最新の自動運転システム（ADS）の複雑さが増しており、ADSプラットフォームのエネルギーフットプリントに追加される可能性のあるより高度なハードウェ

arXiv

reinforcement learning

autonomous driving

detection

arXiv reaDer
リンク
迅速な敵対的トレーニングのための事前にガイドされた敵対的初期化
arxiv_reader 2022/07/20
高速敵対訓練（FAT）は、標準敵対訓練（SAT）の効率を効果的に向上させます。ただし、最初のFATは壊滅的な過剰適合に遭遇します。つまり、敵対的な攻撃に対する堅牢な精度が突然劇的に低下します。いくつか

adversarial

learning

arXiv

gradient

dataset

arXiv reaDer
リンク
オーディオ入力は、生成的多様性ネットワークを使用してフェイシャルビデオを合成するための連続フレームを生成します
arxiv_reader 2022/07/20
このペーパーでは、音声に基づいて音声ビデオを生成する簡単な方法を紹介します。音声が与えられると、この音声を話すターゲットの顔のビデオを生成できます。条件としてカットスピーチオーディオ入力を備えたGen

recurrent

GAN

arXiv

arXiv reaDer

convolutional

video

face
リンク
超高解像度画像復元のためのグローバル-ローカル段階的生成ネットワーク
arxiv_reader 2022/07/20
劣化した画像の通常のサイズからの画像背景の復元に関する研究は目覚ましい進歩を遂げましたが、超高解像度（4Kなど）の画像の復元は、計算の複雑さとメモリ使用量の爆発的な増加、および不足のため、依然として非

synthesis

attention

arXiv

arXiv reaDer

dataset

generative
リンク
IDET：高品質の変化検出のための反復差分拡張トランスフォーマー
arxiv_reader 2022/07/20
変化検出（CD）は、さまざまな時間にキャプチャされた画像ペア内の変化領域を検出することを目的としており、さまざまな実世界のアプリケーションで重要な役割を果たします。それにもかかわらず、既存の作業のほと

detection

arXiv

arXiv reaDer

dataset

transformer

representation
リンク
マルチモーダルトランスフォーマーによるクラスに依存しないオブジェクト検出
arxiv_reader 2022/07/20
オブジェクトを構成するものは何ですか？これは、コンピュータビジョンにおける長年の質問です。この目標に向けて、客観性を評価するために、学習のない学習ベースのアプローチが数多く開発されています。ただし、こ

detection

saliency

self-supervised

domain

transformer

arXiv

arXiv reaDer

attention

localization

computer vision
リンク
数ショットの行動認識のための複合プロトタイプマッチング
arxiv_reader 2022/07/20
数ショットの行動認識は、少数のラベル付きトレーニングサンプルのみを使用して新しい行動クラスを認識することを目的としています。この作業では、最初に各ビデオをグローバルプロトタイプのグループとフォーカスさ

arXiv

benchmark

arXiv reaDer

video

action recognition

few-shot
リンク
FakeCLR：データ効率の高いGANの潜在的な不連続性を解決するための対照的な学習の調査
arxiv_reader 2022/07/20
限られた量のトレーニングデータで生成モデルを学習することを目的とするデータ効率の高いGAN（DE-GAN）は、高品質のサンプルを生成するためのいくつかの課題に直面します。データ拡張戦略によってトレーニ

generative

GAN

dataset

synthesis

arXiv

arXiv reaDer

contrastive learning

few-shot

augmentation
リンク
断続的なクライアントを使用した医用画像処理のためのフェデレーテッドラーニングのパフォーマンスとスケーラビリティの研究
arxiv_reader 2022/07/20
連合学習は、安全な方法で機械学習または深層学習を実行するために使用されるデータ分散化プライバシー保護技術です。この論文では、集約演算子の提示、さまざまなタイプの連合学習、クライアントからのデータの配布

arXiv

learning

arXiv reaDer
リンク
教師なしビデオオブジェクトセグメンテーションのための階層的特徴アラインメントネットワーク
arxiv_reader 2022/07/20
オプティカルフローは、教師なしビデオオブジェクトセグメンテーション（UVOS）を進めるための、簡単に想像できる貴重な手がかりです。以前の方法のほとんどは、UVOS設定でターゲットオブジェクトをセグメン

representation

adaptation

segmentation

arXiv

unsupervised

optical flow

arXiv reaDer

video
リンク
等方性3次元流体減衰反転回復磁気共鳴画像での白質高信号のセグメント化：ノルウェー国立画像データベースでの深層学習ツールの比較
arxiv_reader 2022/07/20
白質高信号域（WMH）の自動セグメンテーションは、磁気共鳴画像法（MRI）のニューロイメージング分析において不可欠なステップです。流体減衰反転回復（FLAIR加重）はMRI造影剤であり、脳小血管疾患お

3D

dataset

segmentation

arXiv

MRI

metric

Bayesian

arXiv reaDer

learning
リンク
対照的およびクラスタリングビジョン-言語埋め込みによるオープンワールドセマンティックセグメンテーション
arxiv_reader 2022/07/20
教師ありセグメンテーションと、任意の新しい概念を認識するために1つのモデルを取得する実際のアプリケーションとの間のギャップを埋めるために、最近のゼロショットセグメンテーションは、見えないオブジェクトカ

clustering

dataset

arXiv

benchmark

arXiv reaDer

attention

semantic segmentation

embedding

zero-shot
リンク
画像とビデオのカラー転送とスタイル転送の概要
arxiv_reader 2022/07/20
画像またはビデオの外観機能（色、テクスチャ、トーン、照明など）は、画像またはビデオの視覚と直接的な印象を反映します。ソース画像（ビデオ）とターゲット画像（ビデオ）が与えられた場合、画像（ビデオ）色転送

arXiv

video

arXiv reaDer

attention
リンク
周波数領域で学習可能なプライバシー予算によるプライバシー保護顔認識
arxiv_reader 2022/07/20
顔認識技術は、モバイルデバイスの顔ロック解除、コミュニティアクセス制御システム、都市監視など、認識精度が高いため、多くの分野で使用されています。現在の高精度は非常に深いネットワーク構造によって保証され

arXiv

face recognition

arXiv reaDer

domain
リンク
CCPL：多様なスタイルの転送のための対照的なコヒーレンス保存損失
arxiv_reader 2022/07/20
本論文では、トレーニング中にビデオを見ることなく、芸術的、写実的、およびビデオスタイルの転送を共同で実行できる、普遍的に用途の広いスタイル転送方法を考案することを目指しています。以前のシングルフレーム

arXiv

video

contrastive

arXiv reaDer
リンク
私が好きなものを見せてください：コンテンツベースのマルチヘッドアテンションを使用したユーザー固有のビデオハイライトの検出
arxiv_reader 2022/07/20
ユーザーが以前に視聴した動画にマークされた優先ハイライトクリップに基づいて、特定のターゲット動画のユーザーの個別のハイライトを検出する方法を提案します。私たちの方法は、オブジェクトと人間の活動のために

representation

detection

dataset

pre-training

arXiv

arXiv reaDer

attention

video

activity

human
リンク
Fast-MoCo：組み合わせパッチで勢いに基づく対照的な学習を促進する
arxiv_reader 2022/07/20
対照的な自己教師あり学習法は、近年大きな成功を収めました。ただし、自己管理は、有望な結果を達成するために非常に長いトレーニングエポック（たとえば、MoCo v3の場合は800エポック）を必要とします。

self-supervised

arXiv

arXiv reaDer

contrastive learning

augmentation
リンク
低照度画像強調のための構造的事前誘導生成的敵対的変換器
arxiv_reader 2022/07/20
低照度画像の強調を解決するために、効果的な構造事前誘導生成敵対的変換器（SPGAT）を提案します。私たちのSPGATには、主に2つの弁別子と1つの構造事前推定器（SPE）を備えたジェネレーターが含まれ

generative

dataset

synthesis

transformer

arXiv

estimation

adversarial

learning

arXiv reaDer
リンク
CharFormer：高精度の文字画像ノイズ除去のためのGlyphFusionベースの注意深いフレームワーク
arxiv_reader 2022/07/20
劣化した画像は一般に文字画像の一般的なソースに存在し、不十分な文字認識結果につながります。既存の方法は、劣化した文字画像を復元するための専用の努力をしている。ただし、これらの方法で得られたノイズ除去の

dataset

arXiv

denoising

arXiv reaDer

attention
リンク
RCRN：スケルトン抽出による実世界のキャラクター画像復元ネットワーク
arxiv_reader 2022/07/20
実世界の画像は画像の劣化の影響を受けることが多いため、高品質の文字画像データセットを構築することは困難です。このような実世界のキャラクター画像に現在の画像復元方法を適用する場合、制限があります。これは

arXiv

dataset

benchmark

arXiv reaDer
リンク
アクティブスピーカー検出のための長期時空間グラフの学習
arxiv_reader 2022/07/20
複数の話者がいるビデオでのアクティブ話者検出（ASD）は、効果的な視聴覚機能と長い時間ウィンドウでの時空間相関を学習する必要があるため、困難な作業です。この論文では、ASDなどの複雑なタスクを解決でき

representation

detection

dataset

classification

GNN

arXiv

person

learning

arXiv reaDer

video
リンク
MMRotate：PyTorchを使用した回転オブジェクト検出ベンチマーク
arxiv_reader 2022/07/20
MMRotateという名前のオープンソースツールボックスを紹介します。これは、ディープラーニングに基づく人気のある回転オブジェクト検出アルゴリズムのトレーニング、推論、評価の一貫したアルゴリズムフレー

learning

benchmark

arXiv reaDer

arXiv

detection
リンク
事前調整された拡散サンプリングによるスコアベースの生成モデルの加速
arxiv_reader 2022/07/20
スコアベースの生成モデル（SGM）は、最近、有望なクラスの生成モデルとして登場しました。ただし、基本的な制限は、順次計算を何度も（たとえば、2000回）繰り返す必要があるため、推論が非常に遅いことです

dataset

synthesis

generative

arXiv reaDer

arXiv
リンク
- 2022年7月21日
- 2022年7月20日
- 2022年7月19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