arxiv_readerのブックマーク / 2022年10月14日 - はてなブックマーク

arxiv_reader id:arxiv_reader

2022年10月14日のブックマーク (148件)

OpenOOD: 一般化されたアウトオブディストリビューション検出のベンチマーク
arxiv_reader 2022/10/14
分布外 (OOD) 検出は、安全性が重要な機械学習アプリケーションに不可欠であるため、文献で開発された多数の方法で広く研究されています。ただし、この分野には現在、統一された厳密に策定された包括的なベン

benchmark

arXiv reaDer

anomaly detection

domain

OOD

learning

arXiv
リンク
小規模なデータセットで Vision Transformer をトレーニングする方法は?
arxiv_reader 2022/10/14
畳み込みニューラルネットワークとは根本的に異なるアーキテクチャであるビジョントランスフォーマー (ViT) は、設計のシンプルさ、堅牢性、多くのビジョンタスクにおける最先端のパフォーマンスなど、

dataset

CNN

transformer

self-supervised

pre-training

arXiv reaDer

loss function

saliency

attention

arXiv
リンク
ロバストで効果的な高密度予測のための複合学習
arxiv_reader 2022/10/14
マルチタスク学習は、ターゲットタスクを補助タスクと共同で最適化することにより、ターゲットタスクのより良いモデルの一般化を約束します。ただし、現在のプラクティスでは、補助タスクに追加のラベル付け作業

semantic segmentation

dataset

self-supervised

arXiv reaDer

multi-task

monocular

domain

detection

estimation

arXiv
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 2022/10/14
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

3D

arXiv

arXiv reaDer
リンク
グラフアテンションネットワークによる顔のランドマークの形状保存
arxiv_reader 2022/10/14
優れたランドマーク推定アルゴリズムは、大規模な畳み込みニューラルネットワーク (CNN) の優れた機能を利用して局所的な外観を表現することに基づいています。しかし、それらが弱い空間関係しか学習できな

benchmark

CNN

landmark

arXiv reaDer

pose

multi-task

representation

attention

estimation

arXiv
リンク
STPLS3D：大規模な合成および実際の航空写真測量3D点群データセット
arxiv_reader 2022/10/14
さまざまな機能とスケールを持つさまざまな3Dデータセットが最近提案されていますが、個人が大規模なデータ収集、サニタイズ、および注釈のパイプライン全体を完了することは依然として困難です。さらに、作成され

dataset

3D

synthesis

arXiv reaDer

reconstruction

UAV

point cloud

arXiv
リンク
ユニファイドビジョンと言語プロンプトラーニング
arxiv_reader 2022/10/14
CLIP のような大規模なビジョン言語モデルが登場して以来、プロンプトチューニング (モデルの入力空間内の少数のパラメーターのみを調整する、パラメーターおよびデータ効率の高い転送学習パラダイム) は

benchmark

dataset

arXiv reaDer

domain

few-shot

transfer learning

arXiv
リンク
ロングシーケンスマスクオートエンコーダーの調査
arxiv_reader 2022/10/14
Masked Autoencoding (MAE) は、複数のドメインにわたって表現を事前トレーニングするための効果的なアプローチとして登場しました。自然言語の離散トークンとは対照的に、イメージ MA

detection

computer vision

arXiv reaDer

pre-training

classification

domain

semantic segmentation

arXiv

representation
リンク
オープン語彙検出のためのオブジェクトレベル表現と画像レベル表現の間のギャップの橋渡し
arxiv_reader 2022/10/14
既存のオープン語彙オブジェクト検出器は通常、さまざまな形式の弱い監督を利用して語彙のサイズを拡大します。これは、推論時に新しいオブジェクトに一般化するのに役立ちます。オープン語彙検出 (OVD) で使

benchmark

embedding

localization

arXiv reaDer

representation

detection

arXiv
リンク
属性を意識した重み移動: クラス増分セマンティックセグメンテーションのためのウォームスタート初期化
arxiv_reader 2022/10/14
クラス増分セマンティックセグメンテーション (CISS) では、ディープラーニングアーキテクチャは壊滅的な忘却とセマンティックバックグラウンドシフトという重大な問題に悩まされています。最近の

semantic segmentation

dataset

arXiv reaDer

learning

arXiv
リンク
カテゴリレベルの 6D オブジェクト姿勢推定のための自己教師付き幾何学的対応
arxiv_reader 2022/10/14
6D オブジェクトの姿勢推定は、コンピュータービジョンやロボット工学に広く応用されていますが、注釈が不足しているため、解決にはほど遠い状態です。カテゴリレベルの 6D ポーズに移行すると、問題はさ

pose estimation

3D

embedding

simulation

self-supervised

6D

semi-supervised

arXiv reaDer

arXiv

computer vision
リンク
ポアソンフロー生成モデル
arxiv_reader 2022/10/14
高次元半球上の一様分布を任意のデータ分布にマッピングする新しい「ポアソンフロー」生成モデル (PFGM) を提案します。データ点を、追加の次元 z で拡張された空間内の z = 0 超平面上の電荷と

manifold

generative

augmentation

arXiv reaDer

gradient

estimation

arXiv
リンク
イメージングにおける自己監視学習の洗練：線形メトリックを超えて
arxiv_reader 2022/10/14
この論文では、自己監視対照学習の喪失において非線形特徴を効果的に呼び出すための測定ベースの測定基準として、Jaccard類似性測定基準を利用する新しい統計的視点を紹介します。具体的には、提案されたメト

dataset

metric

self-supervised

contrastive learning

arXiv reaDer

representation

arXiv
リンク
ViP3D: 3D エージェントクエリによるエンドツーエンドのビジュアルトラジェクトリ予測
arxiv_reader 2022/10/14
既存の自動運転システムでは、認識と予測は 2 つの別個のモジュールです。 2 つのモジュールは、インターフェースとしてエージェントボックスや軌跡などの厳選された機能を介して通信します。この分離により

dataset

3D

trajectory

arXiv reaDer

sparse

autonomous driving

differentiable

video

arXiv
リンク
大規模言語モデルからの記述による視覚的分類
arxiv_reader 2022/10/14
CLIP などの視覚言語モデル (VLM) は、標準的なゼロショット分類手順 (クエリ画像と各カテゴリの埋め込み単語との類似度の計算) を使用して、さまざまな認識タスクで有望なパフォーマンスを示して

zero-shot

arXiv reaDer

classification

bias

arXiv
リンク
PDEBENCH: 科学的機械学習のための広範なベンチマーク
arxiv_reader 2022/10/14
近年、物理システムの機械学習ベースのモデリングに対する関心が高まっています。目覚ましい進歩にもかかわらず、Scientific ML には、使いやすく、挑戦的で幅広い問題を代表するベンチマークがまだあ

benchmark

dataset

metric

simulation

arXiv reaDer

U-Net

learning

arXiv
リンク
MonoNeRF: カメラポーズなしの単眼ビデオから一般化可能な NeRF を学習する
arxiv_reader 2022/10/14
大規模なビデオから深度とカメラポーズの自己管理されたもつれを解くことを提案します。深度とカメラのグラウンドトゥルースアノテーションを使用せずに、トレーニング用の入力ビデオフレームを再構築するオー

pose estimation

synthesis

self-supervised

arXiv reaDer

reconstruction

monocular

representation

disentangling

video

arXiv
リンク
MAPL: ビジョン言語の少数ショットプロンプトのためのユニモーダルな事前トレーニング済みモデルのパラメーター効率の高い適応
arxiv_reader 2022/10/14
大規模な事前トレーニング済みモデルは、ユニモーダルビジョンおよび言語タスクにおいて、注目に値するゼロおよび (プロンプトベースの) 少数ショット学習器であることが証明されています。 MAPL は、凍

benchmark

dataset

pre-training

arXiv reaDer

adaptation

representation

captioning

few-shot

learning

arXiv
リンク
HSurf-Net: ハイパーサーフェスの学習による 3D 点群の正規推定
arxiv_reader 2022/10/14
HSurf-Net と呼ばれる新しい法線推定方法を提案します。これは、ノイズと密度の変化を伴う点群から法線を正確に予測できます。以前の方法は、事前に定義された順序の多項式関数によって近似された幾何学的

dataset

3D

synthesis

arXiv reaDer

point cloud

estimation

learning

arXiv
リンク
U-HRNet: 高密度予測のための高解像度ネットワークのセマンティック表現の改善を掘り下げる
arxiv_reader 2022/10/14
高密度予測には、高解像度と高度なセマンティック表現の両方が不可欠です。経験的に、低解像度の特徴マップはより強力なセマンティック表現を実現することが多く、高解像度の特徴マップは通常、エッジなどの局所的な

semantic segmentation

dataset

convolutional

depth prediction

arXiv reaDer

representation

arXiv
リンク
RTFormer: Transformer を使用したリアルタイムセマンティックセグメンテーションの効率的な設計
arxiv_reader 2022/10/14
最近、トランスフォーマーベースのネットワークは、セマンティックセグメンテーションで印象的な結果を示しています。しかし、リアルタイムのセマンティックセグメンテーションでは、トランスフォーマーの計算メ

semantic segmentation

benchmark

transformer

arXiv reaDer

real time

attention

arXiv
リンク
スリーパーエージェント：ゼロからトレーニングされたニューラルネットワーク用のスケーラブルな隠しトリガーバックドア
arxiv_reader 2022/10/14
機械学習のためのデータのキュレーションがますます自動化されるにつれて、データセットの改ざんはますます脅威になっています。バックドア攻撃者は、トレーニングデータを改ざんして、そのデータでトレーニングされ

dataset

arXiv reaDer

gradient

learning

arXiv
リンク
効率的な単一画像のブラインドブレ除去のためのディープ冪等ネットワーク
arxiv_reader 2022/10/14
潜在的なシャープなイメージもブラーカーネルも不明であるため、単一イメージのブラインドブレ除去は非常に適切ではありません。かなりの進歩があったにもかかわらず、高性能のブレ除去とリアルタイム処理の間の

dataset

synthesis

residual

recurrent

arXiv reaDer

real time

arXiv
リンク
テンセグリティロボットの 6N-DoF ポーズトラッキング
arxiv_reader 2022/10/14
圧縮要素 (ロッド) と柔軟な引張要素 (ケーブルなど) で構成されるテンセグリティロボットには、柔軟性、軽量、機械的衝撃への耐性など、さまざまな利点があります。それにもかかわらず、これらのロボット

pose estimation

occlusion

localization

arXiv reaDer

RGB-D

robot

domain

tracking

video

arXiv
リンク
署名付き距離マップの深回帰によるフックスジストロフィーを伴う鏡面顕微鏡画像における角膜内皮評価
arxiv_reader 2022/10/14
フックスジストロフィーにおけるヒト角膜内皮 (CE) の鏡面顕微鏡による評価は、ガッテと呼ばれる暗い画像領域が存在するため困難です。この論文では、最小限の後処理を必要とし、あらゆる程度のフックスジスト

identification

segmentation

arXiv reaDer

human

classification

arXiv
リンク
Deep Object ParsingによるファイングレインFew-shot認識
arxiv_reader 2022/10/14
深いオブジェクト解析による、きめの細かい少数ショット認識のための新しい方法を提案します。私たちのフレームワークでは、オブジェクトは K 個の個別のパーツで構成されており、パーツごとに、すべてのインスタ

convolutional

arXiv reaDer

pose

few-shot

arXiv
リンク
数ショットの視覚的質問の生成: 新しいタスクとベンチマークデータセット
arxiv_reader 2022/10/14
Visual Question Generation (VQG) として知られる視覚的なシーンから自然言語の質問を生成することは、最近、綿密にラベル付けされた大量のデータがトレーニングコーパスを提供す

benchmark

dataset

self-supervised

arXiv reaDer

few-shot

transfer learning

arXiv
リンク
ConvTransSeg: 医用画像セグメンテーションのためのマルチ解像度畳み込み変換ネットワーク
arxiv_reader 2022/10/14
畳み込みニューラルネットワーク (CNN) は、非常に複雑な特徴表現を抽出できるため、医療画像のセグメンテーションで最先端のパフォーマンスを達成しました。ただし、最近の研究では、従来の CNN には

dataset

CNN

transformer

pre-training

segmentation

arXiv reaDer

representation

learning

arXiv
リンク
空間と時間のスパース: トレーニング可能なセレクターによるオーディオとビジュアルの同期
arxiv_reader 2022/10/14
このホワイトペーパーの目的は、「実際の」一般的なビデオの視聴覚同期です。このようなビデオの場合、同期キューに利用できるイベントは空間的に小さく、数秒間のビデオクリップ中にまれにしか発生しない可能性

dataset

transformer

compression

arXiv reaDer

sparse

video

arXiv
リンク
オブジェクト検出ネットワークにおけるデータセットの次元
arxiv_reader 2022/10/14
近年、畳み込みニューラルネットワーク (CNN) は、コンピュータービジョンの多くのタスクで使用されています。その一つが自動運転のための物体検出です。 CNN は多くの分野で広く使用されていますが

dataset

CNN

augmentation

arXiv reaDer

representation

autonomous driving

detection

arXiv

computer vision
リンク
HARU: 触覚拡張現実支援ユーザー中心の産業用ネットワークプランニング
arxiv_reader 2022/10/14
インダストリー 4.0 アプリケーションをハプティクスとヒューマンマシンインタラクションでサポートするために、6G には完全に自律的で視覚的でインタラクティブな新しいフレームワークが必要です。この

3D

augmentation

arXiv reaDer

reconstruction

real time

arXiv
リンク
画像分類のための Raspberry Pi での効率的な畳み込みニューラルネットワーク
arxiv_reader 2022/10/14
コンピュータービジョン (CV) の分野におけるディープラーニングアルゴリズムの優れたパフォーマンスにより、畳み込みニューラルネットワーク (CNN) アーキテクチャは、コンピュータービジョ

dataset

CNN

arXiv reaDer

classification

attention

learning

arXiv

computer vision
リンク
ドメインを意識したカテゴリ表現による一般的なインクリメンタル学習
arxiv_reader 2022/10/14
エージェントはストリーミングデータ/タスクに応じて知識を継続的に蓄積する必要があるため、継続的な学習は、実際のアプリケーションで人間レベルのインテリジェンスを実現するための重要な問題です。この作業では

arXiv reaDer

domain

representation

distillation

face

learning

arXiv
リンク
私の隣人はどこですか？ Self-Supervised Vision Transformer でパッチ関係を利用する
arxiv_reader 2022/10/14
ビジョントランスフォーマー (ViTs) により、ビジョンタスクでのトランスフォーマーアーキテクチャの使用が可能になり、大きなデータセットでトレーニングしたときに印象的なパフォーマンスを示しまし

benchmark

dataset

transformer

self-supervised

arXiv reaDer

bias

learning

arXiv
リンク
リバランスされたゼロショット学習
arxiv_reader 2022/10/14
ゼロショット学習 (ZSL) は、トレーニング中にサンプルがゼロの目に見えないクラスを識別することを目的としています。大まかに言えば、現在の ZSL メソッドは通常、クラスレベルのセマンティックラ

zero-shot

learning

arXiv

arXiv reaDer
リンク
スタイルで学習する: タスクとドメインを横断する継続的なセマンティックセグメンテーション
arxiv_reader 2022/10/14
実世界の設定で画像の理解を扱うディープラーニングモデルは、さまざまなドメインにわたるさまざまなタスクに適応できなければなりません。ドメイン適応とクラス増分学習は、ドメインとタスクの変動性を別々に扱

semantic segmentation

dataset

arXiv reaDer

domain adaptation

distillation

autonomous driving

learning

arXiv
リンク
知識の抽出による効率的な 3D オブジェクト検出に向けて
arxiv_reader 2022/10/14
3D オブジェクト検出の大幅な進歩にもかかわらず、高度な 3D 検出器は、多くの場合、計算オーバーヘッドが大きくなります。この目的のために、一般的なピラーベースおよびボクセルベースの検出器に焦点を当て

benchmark

3D

dataset

compression

knowledge distillation

arXiv reaDer

domain

classification

detection

arXiv
リンク
DE-FAKE: テキストから画像への生成モデルによって生成された偽画像の検出と帰属
arxiv_reader 2022/10/14
拡散モデルが登場し、ビジュアル世代における新しい最先端技術が確立されました。特に、キャプションの説明に基づいて画像を生成するテキストから画像への拡散モデルは、ユーザーの制御性に感銘を受け、ますます注目

detection

arXiv

arXiv reaDer

attention
リンク
深い畳み込み生成敵対ネットワークを使用して微細構造を修復する 2 つのアプローチ
arxiv_reader 2022/10/14
イメージングは、材料の特性評価に不可欠です。ただし、慎重なサンプル準備と顕微鏡のキャリブレーションを行っても、イメージング技術はしばしば欠陥や不要なアーティファクトが発生しやすくなります。これは、欠陥

synthesis

convolutional

simulation

GAN

arXiv reaDer

learning

arXiv
リンク
マルチタスクメタ学習: 目に見えないタスクに適応する方法を学ぶ
arxiv_reader 2022/10/14
この作業は、マルチタスク学習 (MTL) とメタ学習の 2 つの学習パラダイムを統合して、両方の長所、つまり、MTL の要素である複数のタスクの同時学習と、より少ないデータで新しいタスクに迅速に適応す

semantic segmentation

dataset

arXiv reaDer

multi-task

detection

estimation

learning

arXiv
リンク
胸部 X 線分類におけるオブジェクトレベルの注釈の確率論的統合
arxiv_reader 2022/10/14
医用画像データセットとその注釈は、一般的なドメインで同等のものほど速く成長していません。これにより、視覚分野に大きな影響を与えてきた最新のよりデータ集約的な方法からの変換がますます困難になり、効率が低

benchmark

dataset

arXiv reaDer

domain

classification

gaze

knowledge distillation

learning

arXiv
リンク
CUF: 連続アップサンプリングフィルター
arxiv_reader 2022/10/14
ニューラルフィールドは、3D 信号を表現するために急速に採用されていますが、より古典的な 2D 画像処理への適用は比較的限られています。このホワイトペーパーでは、画像処理で最も重要な操作の 1 つ

benchmark

3D

convolutional

arXiv reaDer

learning

arXiv

super-resolution
リンク
大規模な 3D ボリュームの機能適応インタラクティブしきい値処理
arxiv_reader 2022/10/14
しきい値処理は、ボリューム画像処理で最も広く使用されているセグメンテーション方法であり、その点ごとの性質により、大きな 3 次元サンプルを高速に処理するのに魅力的です。ただし、アーティファクト、測定ノ

3D

segmentation

arXiv reaDer

domain

arXiv
リンク
ダーウィンモデルのアップグレード: 選択的互換性を伴うモデルの進化
arxiv_reader 2022/10/14
検索のための従来のモデルアップグレードパラダイムでは、新しいモデルを展開する前にすべてのギャラリーの埋め込みを再計算する必要があり (「バックフィル」と呼ばれます)、産業用アプリケーションの数十億

benchmark

landmark

face recognition

embedding

arXiv reaDer

adaptation

arXiv
リンク
SageMix: 点群の顕著性ガイド付きミックスアップ
arxiv_reader 2022/10/14
データ拡張は、ディープラーニングモデルの一般化能力を向上させるための鍵です。ミックスアップは、オーバーフィッティングやデータ不足の問題を軽減するのに効果的であることが証明されている、シンプルで広く

benchmark

3D

segmentation

augmentation

arXiv reaDer

classification

saliency

point cloud

arXiv
リンク
周辺視野トランス
arxiv_reader 2022/10/14
人間の視覚には、周辺視野と呼ばれる特別な種類の視覚処理システムがあります。周辺視野は、視線の中心までの距離に基づいて視野全体を複数の輪郭領域に分割することで、さまざまな領域でさまざまな視覚的特徴を知覚

transformer

arXiv reaDer

human

classification

gaze

arXiv
リンク
NoMorelization: サンプルの観点からノーマライザーを使用しないモデルを構築する
arxiv_reader 2022/10/14
正規化層は、深層学習モデルの基本構成の 1 つになりましたが、計算の非効率性、解釈の難しさ、および一般性の低さにまだ悩まされています。サンプルの観点から、最近のノーマライゼーションおよびノーマライザー

learning

generative

arXiv

arXiv reaDer
リンク
コンテンツ知覚損失および十字型変換ブロックによるシーンテキスト画像の超解像
arxiv_reader 2022/10/14
テキスト画像の超解像は、テキスト画像を人間が読みやすくするためのユニークで重要なタスクです。シーンテキスト認識の前処理として広く使用されています。ただし、自然のシーンでは複雑な劣化が発生するため、低解

dataset

transformer

arXiv reaDer

reconstruction

human

arXiv

super-resolution
リンク
より広く、より高く: イメージマッティングのための集中的な統合とグローバルな前景認識
arxiv_reader 2022/10/14
この論文では、最近の深層学習ベースのマッティング研究をレビューし、画像マッティングに対する私たちのより広くより高い動機を考えます。多くのアプローチでは、複雑なエンコーダーを使用してアルファマットを実

dataset

representation

arXiv

arXiv reaDer
リンク
SwinTrack: 変圧器追跡のシンプルで強力なベースライン
arxiv_reader 2022/10/14
最近、Transformer はトラッキングで広く調査されており、最先端 (SOTA) のパフォーマンスが示されています。ただし、既存の取り組みは主に、畳み込みニューラルネットワーク (CNN) に

benchmark

CNN

transformer

trajectory

representation learning

arXiv reaDer

tracking

arXiv
リンク
CNTN: 歩行認識のための巡回ノイズ耐性ネットワーク
arxiv_reader 2022/10/14
歩行認識は、歩行パターンを認識して個人を識別することを目的としています。しかし、以前の歩容認識方法のほとんどは、2 つの記憶効果、すなわち外観記憶とラベルノイズ記憶により著しく劣化していることが観察

benchmark

dataset

arXiv reaDer

detection

arXiv
リンク
HoechstGAN: Generative Adversarial Networks を使用した仮想リンパ球染色
arxiv_reader 2022/10/14
特定の種類の免疫細胞の存在と密度は、がんに対する患者の免疫反応を理解する上で重要です。ただし、T 細胞のサブタイプを識別するために必要な免疫蛍光染色は、高価で時間がかかり、臨床現場ではめったに行われま

metric

GAN

arXiv

arXiv reaDer
リンク
少数ショットセグメンテーション用の機能プロキシトランスフォーマー
arxiv_reader 2022/10/14
少数ショットセグメンテーション (FSS) は、いくつかの注釈付きサポートサンプルが与えられた場合に、新しいクラスに対してセマンティックセグメンテーションを実行することを目的としています。最近の

semantic segmentation

transformer

arXiv reaDer

few-shot

classification

learning

arXiv

keypoint
リンク
階層的およびプログレッシブイメージマッティング
arxiv_reader 2022/10/14
ほとんどのマッティング研究は、高品質のアルファマットを実現するために高度なセマンティクスに頼っており、アルファの詳細を補完するために、直接的な低レベルの機能の組み合わせが通常調査されています。ただし

dataset

arXiv reaDer

loss function

adversarial

attention

arXiv
リンク
マルチモーダル指数関数的に変更されたガウス発振器
arxiv_reader 2022/10/14
音響モデリングは、音声処理タスクにおけるノイズ除去、データ再構築、モデルベースのテスト、および分類に役立ちます。以前の研究では、複数のガウス分布または単一の非対称ガウス曲線のいずれかによる波包絡線の信

synthesis

arXiv reaDer

reconstruction

domain

classification

arXiv
リンク
AccelAT: 精度勾配によるディープニューラルネットワークの敵対的トレーニングを加速するためのフレームワーク
arxiv_reader 2022/10/14
敵対的トレーニングは、悪意のある改ざんされたデータに対する堅牢なディープニューラルネットワーク (DNN) モデルを開発するために悪用されます。これらの攻撃は、DNN モデルに壊滅的な影響を与える

dataset

DNN

arXiv reaDer

adversarial

human

gradient

learning

arXiv
リンク
ImaginaryNet: 実画像と注釈のないオブジェクト検出器の学習
arxiv_reader 2022/10/14
実際にトレーニングする必要がなくても、人間は言語記述に基づいて既知の概念を簡単に検出できます。この機能で深層学習を強化することで、ニューラルネットワークは、実際の画像を収集して注釈を付けることなく、

synthesis

arXiv reaDer

weakly-supervised

detection

learning

arXiv
リンク
大規模な 3D ボリュームのセグメンテーションのための幾何学的能動学習
arxiv_reader 2022/10/14
セグメンテーション、つまりボリュームデータをコンポーネントに分割することは、このようなデータが生成されるようになって以来、多くの画像処理アプリケーションで重要なタスクになっています。最近のほとんどの

CNN

3D

segmentation

arXiv reaDer

domain

classification

learning

arXiv
リンク
RaP: テキストビデオ検索のための冗長性を考慮したビデオ言語の事前トレーニング
arxiv_reader 2022/10/14
ビデオ言語の事前トレーニング方法では、ビデオの一時的な冗長性を軽減するために、主にスパースサンプリング手法が採用されています。効果的ではありますが、まばらなサンプリングは、視覚的な冗長性とテキストの

benchmark

dataset

pre-training

contrastive learning

arXiv reaDer

sparse

video

arXiv
リンク
LDRNet：モバイルデバイスでのリアルタイムドキュメントローカリゼーションの有効化
arxiv_reader 2022/10/14
モバイルデバイスのIDドキュメント検証（IDV）テクノロジは、現代のビジネスオペレーションで広く普及していますが、IDの盗難や詐欺のリスクは高まっています。身分証明書の所有者は通常、詐欺師を回避するた

dataset

localization

arXiv reaDer

loss function

real time

human

classification

video

arXiv
リンク
Adv-Attribute: 顔認識に対する目立たない転送可能な敵対的攻撃
arxiv_reader 2022/10/14
深層学習モデルは、敵対的攻撃に対処する際に脆弱性を示しています。既存の攻撃は、ほとんどがピクセルやスーパーピクセルなどの低レベルのインスタンスで実行され、セマンティックの手がかりを悪用することはほと

dataset

face recognition

arXiv reaDer

adversarial

denoising

learning

arXiv
リンク
3D 左心房画像セグメンテーションのための相補的整合性半教師あり学習
arxiv_reader 2022/10/14
この論文では、半教師あり左心房画像セグメンテーションのために、相補的一貫性トレーニング (CC-Net) に基づくネットワークが提案されています。補完情報の観点から、CC-Net はラベルなしデータを

benchmark

3D

dataset

segmentation

semi-supervised

arXiv reaDer

learning

arXiv
リンク
遠近法における剛性保存画像変換と同変
arxiv_reader 2022/10/14
剛性のあるカメラの動きを実現する画像平面変換のクラスを特徴づけ、これらの変換を「剛性の維持」と呼びます。特に、ピンホール画像の2D変換は、剛性を維持しません。したがって、3D推論タスクにCNNを使用す

pose estimation

CNN

3D

localization

6D

arXiv reaDer

bias

arXiv
リンク
NeuralRoom: 屋内シーン再構築のための幾何学的に制約されたニューラル陰示面
arxiv_reader 2022/10/14
一連の 2D 画像から部屋サイズの屋内シーンを直接再構築するための NeuralRoom と呼ばれる新しい神経表面再構築法を提示します。最近、暗黙的なニューラル表現は、高品質の結果とシンプルさにより、

dataset

arXiv reaDer

reconstruction

stereo

representation

estimation

arXiv
リンク
エンボディド AI ワークショップの振り返り
arxiv_reader 2022/10/14
身体化された AI 研究の現状に関する回顧展を紹介します。私たちの分析は、CVPR のエンボディド AI ワークショップで提示された 13 の課題に焦点を当てています。これらの課題は、(1) 視覚的ナ

dataset

metric

arXiv

arXiv reaDer
リンク
学習可能な位置機能を備えたスケーラブルなニューラルビデオ表現
arxiv_reader 2022/10/14
座標ベースのニューラル表現 (CNR) を使用した複雑な信号の簡潔な表現は大きな進歩を遂げており、最近のいくつかの取り組みは、ビデオを処理するためにそれらを拡張することに焦点を当てています。ここでの主

spatio-temporal

metric

compression

arXiv reaDer

representation

video

arXiv
リンク
ALIFE: インクリメンタルセマンティックセグメンテーションのための適応ロジット正則化と特徴リプレイ
arxiv_reader 2022/10/14
学習した以前のものを忘れることなく、新しいオブジェクト/もののカテゴリを継続的に認識するインクリメンタルセマンティックセグメンテーション (ISS) の問題に対処します。破滅的な忘却の問題は、IS

semantic segmentation

benchmark

arXiv

arXiv reaDer
リンク
LiDAR ベースのセマンティックセグメンテーションにおける少数クラスのキャリブレーションについて
arxiv_reader 2022/10/14
深層学習ベースの知覚モデルのキャリブレーションは、その信頼性において重要な役割を果たします。私たちの仕事は、少数のクラスのキャリブレーションへの洞察を提供することを目的として、LiDAR ベースのセマ

metric

arXiv

arXiv reaDer

semantic segmentation
リンク
注釈は 1 つだけで十分ですか?ノイズが多くあいまいなラベル推定のためのデータ中心の画像分類ベンチマーク
arxiv_reader 2022/10/14
最新の機械学習には高品質のデータが必要です。しかし、そのようなデータの取得は、ノイズが多く、人間のあいまいな注釈のために困難です。画像のラベルを決定するためのこのような注釈の集約は、データ品質の低下に

benchmark

dataset

arXiv reaDer

classification

approximation

estimation

learning

arXiv
リンク
OOOE: 胸部 X 線写真で非常に小さなオブジェクトを検出するための、オブジェクトが 1 つだけ存在するという仮定
arxiv_reader 2022/10/14
挿入された医療用チューブと人体の解剖学的構造の正確な位置特定は、胸部 X 線写真を分析する際の一般的な問題であり、ディープニューラルネットワークが潜在的に自動化できるものです。ただし、チューブやさ

dataset

landmark

localization

arXiv reaDer

human

classification

detection

arXiv
リンク
SDW-ASL: 継続的なアメリカ手話の大規模データセットを生成する動的システム
arxiv_reader 2022/10/14
近年、深層学習技術を使用した自然言語処理の驚異的な進歩にもかかわらず、手話の生成と理解はほとんど進歩していません。重要な障壁の 1 つは、ラベル付きデータの生成に耐え難いコストがかかるため、一般に公開

dataset

learning

arXiv reaDer

pose

human

video

arXiv
リンク
ImageNet 用の大規模オープンセット分類プロトコル
arxiv_reader 2022/10/14
Open-Set Classification (OSC) は、クローズドセット分類モデルを実世界のシナリオに適応させることを目的としています。この場合、分類器は既知のクラスのサンプルに正しくラベル

dataset

metric

arXiv reaDer

classification

detection

OOD

learning

arXiv
リンク
多解像度衛星画像の対照的な自己教師あり学習のラベル効率の評価
arxiv_reader 2022/10/14
リモートセンシング画像へのディープニューラルネットワークの適用は、多くの場合、グラウンドトゥルースアノテーションの欠如によって制限されます。この問題に対処するには、限られた量のラベル付きデー

benchmark

satellite

dataset

self-supervised

representation learning

arXiv reaDer

domain

contrastive

classification

arXiv
リンク
少数ショットセマンティックセグメンテーション用の中間プロトタイプマイニングトランスフォーマー
arxiv_reader 2022/10/14
少数ショットセマンティックセグメンテーションは、いくつかの注釈付きサポートイメージの条件下で、クエリ内のターゲットオブジェクトをセグメント化することを目的としています。以前のほとんどの作業では

semantic segmentation

dataset

transformer

arXiv reaDer

few-shot

arXiv
リンク
歩行認識の一般化クラス間損失
arxiv_reader 2022/10/14
歩行認識は、非協力的に長距離で実行できる独自の生体認証技術であり、公共の安全およびインテリジェントな交通システムで幅広い用途があります。以前の歩行作業は、クラス間の分散を制約することの重要性を無視しな

representation

arXiv

arXiv reaDer
リンク
X-Align: 鳥瞰図セグメンテーションのためのクロスモーダルクロスビューアラインメント
arxiv_reader 2022/10/14
鳥瞰図 (BEV) グリッドは、自動運転における運転可能エリアなどの道路コンポーネントの認識の一般的な表現です。ほとんどの既存のアプローチは、BEV 空間でセグメンテーションを実行するためだけにカメラ

benchmark

dataset

segmentation

arXiv reaDer

representation

autonomous driving

LiDAR

learning

arXiv
リンク
VisualConceptsのトークン化
arxiv_reader 2022/10/14
具体的なピクセルから視覚的概念を抽象化する人間のような知覚能力を獲得することは、解きほぐされた表現学習やシーン分解などの機械学習研究分野において常に基本的かつ重要な目標でした。この目標に向けて、VCT

dataset

unsupervised

representation learning

arXiv reaDer

disentangling

arXiv
リンク
信頼度推定の信頼性の向上
arxiv_reader 2022/10/14
展開中のモデルの予測出力の信頼性を評価することを目的とするタスクである信頼度推定は、深いモデルの安全な展開にとって重要であるため、最近多くの研究の注目を集めています。以前の研究では、信頼できる信頼推定

estimation

arXiv reaDer

monocular

classification

attention

OOD

arXiv
リンク
ST-Adapter: パラメータ効率の高い画像からビデオへの転送学習
arxiv_reader 2022/10/14
関心のあるさまざまなダウンストリームタスクに対して事前にトレーニングされた大規模なモデルを活用することが、最近有望なパフォーマンスで浮上しています。モデルのサイズが増大し続けるため、標準の完全な微調

spatio-temporal

action recognition

reasoning

pre-training

arXiv reaDer

adaptation

transfer learning

video

arXiv
リンク
画像記述子を備えた言語モデルは、強力な少数のショットのビデオ言語学習者です
arxiv_reader 2022/10/14
この作業の目標は、ドメイン固有のキャプション、質問応答、将来のイベント予測など、いくつかの例からさまざまなビデオからテキストへのタスクに一般化できる柔軟なビデオ言語モデルを構築することです。既存の数シ

dataset

generative

arXiv reaDer

captioning

few-shot

video

arXiv
リンク
脳視覚言語特徴のマルチモーダル学習による視覚神経表現の解読
arxiv_reader 2022/10/14
人間の視覚神経表現を解読することは、視覚処理メカニズムを明らかにし、脳のようなインテリジェントマシンを開発する上で、科学的に大きな意義を持つ挑戦的なタスクです。ほとんどの既存の方法は、トレーニング用

dataset

learning

generative

activity

semi-supervised

arXiv reaDer

representation

human

regularization

arXiv
リンク
ドメインシフト下でのセマンティックセグメンテーションのために文脈的に多様なクラスを識別してラベル付けすることにより、アノテーションの労力を削減する
arxiv_reader 2022/10/14
アクティブドメインアダプテーション (ADA) では、アクティブラーニング (AL) を使用してターゲットドメインから画像のサブセットを選択します。これは、教師ありドメインアダプテーション

semantic segmentation

dataset

unsupervised

arXiv reaDer

domain adaptation

human

learning

arXiv
リンク
マルチモーダル画像事前分布による深部外部学習とガイド付き残差高密度ネットワークを使用した教師なし MRI 超解像
arxiv_reader 2022/10/14
ディープラーニング技術により、自然画像による最先端の画像超解像が可能になりました。通常、深層学習モデルのトレーニングには、高解像度画像と低解像度画像のペアが使用されます。これらの技術は、医用画像の超解

CNN

unsupervised

residual

arXiv reaDer

human

MRI

learning

arXiv

super-resolution
リンク
H2RBox: 方向付けられたオブジェクトの検出に必要なのは、水平ボックスの注釈だけです
arxiv_reader 2022/10/14
指向性オブジェクト検出は、航空画像から自動運転まで多くのアプリケーションで登場していますが、既存の検出ベンチマークの多くは、水平境界ボックスのみで注釈が付けられていますが、これはまた、きめの細かい回転

benchmark

self-supervised

segmentation

arXiv reaDer

weakly-supervised

autonomous driving

detection

learning

arXiv
リンク
サイバーフィジカルパワーシステムにおける偽データインジェクション攻撃のリアルタイム識別のためのストリーム学習アプローチ
arxiv_reader 2022/10/14
このホワイトペーパーでは、電力システムが観測不可能な偽のデータインジェクション攻撃を受けている場合に、システム状態の推定を支援するための新しいデータ駆動型フレームワークを紹介します。提案されたフレ

identification

arXiv reaDer

real time

classification

detection

estimation

learning

arXiv
リンク
ビジュアルコミュニケーションゲームにおける新たなグラフィカルな慣習
arxiv_reader 2022/10/14
人間は、記号言語とは別に、グラフィカルなスケッチでコミュニケーションをとります。主に後者に焦点を当てており、創発的コミュニケーションに関する最近の研究はスケッチを見落としています。それらは、象徴性と象

human

reinforcement learning

arXiv

arXiv reaDer
リンク
ELEVATER: 言語拡張された視覚モデルを評価するためのベンチマークとツールキット
arxiv_reader 2022/10/14
自然言語の監督から視覚的表現を学ぶことは、最近、多くの先駆的な研究で大きな可能性を示しています。一般に、これらの言語拡張されたビジュアルモデルは、さまざまなデータセットやタスクへの強力な転用性を示し

benchmark

zero-shot

pre-training

augmentation

arXiv reaDer

few-shot

classification

detection

arXiv

computer vision
リンク
Q-ViT: 正確で完全に量子化された低ビットビジョントランスフォーマー
arxiv_reader 2022/10/14
大規模な事前トレーニング済みのビジョントランスフォーマー (ViT) は、さまざまなビジュアルタスクで優れたパフォーマンスを発揮しますが、リソースに制約のあるデバイスに展開すると、計算コストとメモ

dataset

transformer

compression

pre-training

arXiv reaDer

distillation

quantization

arXiv
リンク
COLLIDER: バックドアデータの堅牢なトレーニングフレームワーク
arxiv_reader 2022/10/14
ディープニューラルネットワーク (DNN) 分類器は、バックドア攻撃に対して脆弱です。攻撃者は、トリガーをインストールすることで、このような攻撃のトレーニングデータの一部を汚染します。目標は、ク

dataset

DNN

arXiv reaDer

adversarial

arXiv
リンク
ポイントベースの監視によるパノプティックセグメンテーションのための完全畳み込みネットワーク
arxiv_reader 2022/10/14
この論文では、パノプティック FCN と呼ばれる、完全および弱教師付きパノプティックセグメンテーションのための概念的にシンプルで強力かつ効率的なフレームワークを提示します。私たちのアプローチは、ポイ

benchmark

dataset

convolutional

localization

arXiv reaDer

weakly-supervised

human

panoptic segmentation

arXiv
リンク
ディープトランスフォーマーは包括的な周波数データを渇望する
arxiv_reader 2022/10/14
現在の研究では、誘導性バイアス (IB) を導入すると、ビジョントランス (ViT) の性能が向上することが示されています。ただし、それらはピラミッド構造を同時に導入して、IB の導入によって引き起

dataset

transformer

convolutional

embedding

arXiv reaDer

adaptation

bias

arXiv

computer vision
リンク
3D オブジェクト検出のための Transformer によるボクセルベースの表現の統合
arxiv_reader 2022/10/14
この作業では、UVTR という名前のマルチモダリティ 3D オブジェクト検出のための統一されたフレームワークを提示します。提案された方法は、ボクセル空間内のマルチモダリティ表現を統合して、正確で堅牢な

tracking

transformer

3D

compression

arXiv reaDer

representation

detection

point cloud

arXiv
リンク
ドメインの一般化された都市-シーンセグメンテーションのための敵対的なスタイルの拡張
arxiv_reader 2022/10/14
この論文では、セマンティックセグメンテーションにおけるドメイン一般化の問題を検討します。これは、ラベル付けされた合成（ソース）データのみを使用して堅牢なモデルを学習することを目的としています。このモデ

semantic segmentation

benchmark

dataset

synthesis

augmentation

arXiv reaDer

adversarial

domain

classification

arXiv
リンク
自己中心的なビデオ言語の事前トレーニング
arxiv_reader 2022/10/14
Video-Language Pretraining (VLP) は、幅広いビデオテキストダウンストリームタスクを進めるために転送可能な表現を学習することを目的としており、最近注目を集めています

benchmark

dataset

action recognition

contrastive learning

arXiv reaDer

domain

representation

classification

attention

arXiv
リンク
RLIP: ヒューマンオブジェクトインタラクション検出のためのリレーショナル言語イメージ事前トレーニング
arxiv_reader 2022/10/14
ヒューマンオブジェクトインタラクション (HOI) 検出のタスクは、環境と対話する人間のきめ細かな視覚的解析を対象としており、幅広いアプリケーションを可能にします。以前の研究では、より正確な HO

zero-shot

synthesis

pre-training

arXiv reaDer

few-shot

contrastive

detection

learning

arXiv
リンク
限られた EEG データを使用した感情分類のための単調性制約付き注意モジュール
arxiv_reader 2022/10/14
この作業では、限られた、または比較的少数の脳波 (EEG) 信号を使用した感情分類のために、パラメーター効率の高い注意モジュールが提示されます。このモジュールは、機能のグラム行列をアテンション行列に変

arXiv reaDer

emotion

domain

classification

attention

arXiv
リンク
弱い教師ありビデオ異常検出における見落とされたビデオ分類
arxiv_reader 2022/10/14
現在の監視が弱いビデオ異常検出アルゴリズムは、ほとんどの場合、複数インスタンス学習 (MIL) またはそのバリエーションを使用しています。最近のほとんどすべてのアプローチは、パフォーマンスを改善するた

dataset

CNN

arXiv reaDer

anomaly detection

weakly-supervised

BERT

classification

LSTM

video

arXiv
リンク
ホモトピーワーピングによる構造認識画像セグメンテーション
arxiv_reader 2022/10/14
ピクセル単位の精度に加えて、衛星画像や生物医学画像などの微細な構造を持つ画像のセグメンテーションには、トポロジーの正確さも重要です。このホワイトペーパーでは、デジタルトポロジーの理論を活用して、ト

arXiv reaDer

satellite

segmentation

metric

arXiv

3D

loss function
リンク
ハンドヘルドアクション検出のためのアプリケーション駆動型 AI パラダイム
arxiv_reader 2022/10/14
特に安全要件を伴う実際のアプリケーションでは、タバコの喫煙、ダイヤル、食事など、いくつかのハンドヘルドアクションを綿密に監視する必要があります。タバコの喫煙を例にとると、既存の煙検出アルゴリズムは通

dataset

arXiv reaDer

pose

adaptation

human

action

detection

arXiv
リンク
ブレインネットワークトランスフォーマー
arxiv_reader 2022/10/14
人間の脳は、一般に、関心領域 (ROI) のネットワークと、脳機能と精神障害を理解するためのそれらの接続としてモデル化されています。最近、Transformer ベースのモデルは、グラフを含むさまざま

dataset

transformer

embedding

self-supervised

arXiv reaDer

human

clustering

attention

arXiv
リンク
自己教師あり学習は、ピクセルからの強化学習を本当に改善しますか?
arxiv_reader 2022/10/14
自己教師あり学習 (SSL) がピクセルからのオンライン強化学習 (RL) を改善できるかどうかを調査します。 SSL と RL の損失を共同で最適化する対照強化学習フレームワーク (CURL など)

self-supervised

augmentation

arXiv reaDer

robot

representation

contrastive

arXiv

reinforcement learning
リンク
画像からマンセル土壌色を推定する際のスマートフォンカメラの影響の理解
arxiv_reader 2022/10/14
マンセル土壌カラーチャート (MSCC) は、制御された条件下の実験室で使用されます。アプリベースのソリューションをサポートするために、このホワイトペーパーでは、(i) 最も効果的な色空間の特定、

arXiv

arXiv reaDer
リンク
ViTPose：人間のポーズ推定のためのシンプルなビジョントランスフォーマーベースライン
arxiv_reader 2022/10/14
設計では特定のドメイン知識は考慮されていませんが、プレーンビジョントランスフォーマーは視覚認識タスクで優れたパフォーマンスを示しています。ただし、ポーズ推定タスクのためのそのような単純な構造の可能性を

benchmark

human pose estimation

pose estimation

transformer

pre-training

arXiv reaDer

domain

attention

detection

arXiv
リンク
黄斑または視神経乳頭構造は、緑内障の診断に優れていますか? AIと広視野光コヒーレンストモグラフィーによる答え
arxiv_reader 2022/10/14
目的: (1) 3D 広視野光コヒーレンストモグラフィー (OCT) スキャンで視神経乳頭 (ONH) と黄斑の構造を自動的にセグメント化するディープラーニングアルゴリズムを開発する。 (2) 3D

dataset

CNN

3D

segmentation

arXiv reaDer

classification

learning

arXiv
リンク
APT-36K：動物のポーズの推定と追跡のための大規模なベンチマーク
arxiv_reader 2022/10/14
動物のポーズの推定と追跡（APT）は、一連のビデオフレームから動物のキーポイントを検出および追跡するための基本的なタスクです。以前の動物関連のデータセットは、動物の追跡または単一フレームの動物のポーズ

benchmark

pose estimation

dataset

arXiv reaDer

domain

transfer learning

tracking

video

arXiv

keypoint
リンク
Latency-Saliency Knapsack による構造的剪定
arxiv_reader 2022/10/14
構造的プルーニングは、ネットワークアーキテクチャを簡素化し、推論速度を向上させることができます。我々は、構造的剪定をグローバルなリソース割り当て最適化問題として定式化する Hardware-Awar

dataset

pruning

metric

augmentation

arXiv reaDer

classification

saliency

detection

arXiv
リンク
適応型コンテキスト学習とキーフィルター選択を備えたUAVオブジェクト追跡のためのスパース正規化相関フィルター
arxiv_reader 2022/10/14
最近、相関フィルターは、その高いフレームレート、堅牢性、および低い計算リソースにより、無人航空機（UAV）の追跡に広く適用されています。ただし、境界効果とフィルターの破損という2つの固有の欠陥があるた

dataset

learning

occlusion

arXiv reaDer

sparse

UAV

tracking

regularization

arXiv
リンク
10年で何ですか？時間の経過とともに変化する顔
arxiv_reader 2022/10/14
10年後の人々をどのように視覚的に特徴付けることができますか?この作業では、1880 年代から現在までの各 10 年間の 1,000 を超えるポートレート画像を含む Faces Through Tim

dataset

face

arXiv

arXiv reaDer
リンク
イメージシーケンスの内容と動きのもつれを解くためのハミルトニアン潜在演算子
arxiv_reader 2022/10/14
HALO を紹介します。HALO は、HAmiltonian Latent Operators を利用して、イメージシーケンス内のコンテンツとモーション情報を確実に解きほぐすディープジェネレーティ

disentangling

generative

arXiv

arXiv reaDer
リンク
Adversarial Attribute Neighborhood Robust Learning による公平性
arxiv_reader 2022/10/14
特権を持つグループと特権を持たない機密属性グループ (人種、性別など) の間の公平性を改善することは、多くの注目を集めています。モデルがさまざまな機密属性で均一にうまく機能するようにするために、分類ヘ

benchmark

dataset

arXiv reaDer

adversarial

representation

classification

attention

learning

arXiv
リンク
QMRNet: EO 画像品質評価と超解像のための品質メトリック回帰
arxiv_reader 2022/10/14
超解像 (SR) の最新の進歩は、主に超解像の地球観測 (EO) 画像のタスクには使用されない、顔、風景、オブジェクトなどの汎用画像でテストされています。この研究論文では、完全参照と非参照の両方の画像

benchmark

dataset

metric

compression

arXiv reaDer

domain

classification

detection

arXiv

super-resolution
リンク
3D 空間でトークンを回復することにより、視点にとらわれない視覚的表現を学習する
arxiv_reader 2022/10/14
人間は、3D 構造の知覚をサポートする視覚野により、視点の変化を非常に柔軟に理解できます。対照的に、2D 画像のプールから視覚的表現を学習するコンピュータービジョンモデルのほとんどは、新しいカメラ

3D

transformer

unsupervised

action recognition

arXiv reaDer

representation

classification

video

arXiv

computer vision
リンク
ニューラルビデオ圧縮における周辺分布と学習分布の不一致の削減
arxiv_reader 2022/10/14
過去 4 年間、私たちは画像圧縮のためのエンドツーエンドのトレーニング可能なモデルの成功を目の当たりにしてきました。何十年にもわたる漸進的な作業と比較して、これらの機械学習 (ML) 技術は圧縮技

learning

compression

arXiv reaDer

reconstruction

estimation

video

arXiv
リンク
視覚表現学習のためのグローバルローカル自己蒸留
arxiv_reader 2022/10/14
自己教師ありメソッドの下流の精度は、トレーニング中に解決されたプロキシタスクとそこから抽出された勾配の品質に密接に関連しています。よりリッチで意味のある勾配の更新は、自己教師ありメソッドがより適切か

self-supervised

representation learning

augmentation

arXiv reaDer

arXiv
リンク
S4ND: 状態空間を使用した多次元信号としての画像とビデオのモデル化
arxiv_reader 2022/10/14
画像やビデオなどの視覚データは、通常、本質的に連続した多次元信号の離散化としてモデル化されます。既存の連続信号モデルは、視覚 (画像など) データの基になる信号を直接モデル化することにより、この事実を

3D

transformer

zero-shot

convolutional

activity

arXiv reaDer

classification

bias

video

arXiv
リンク
オンライン不一致遠隔学習によるタスクフリーの継続的学習
arxiv_reader 2022/10/14
タスクフリー継続学習 (TFCL) とも呼ばれる非定常データストリームからの学習は、明示的なタスク情報がないため、依然として困難です。最近、TFCL に対していくつかの方法が提案されていますが、理論

arXiv reaDer

representation

classification

learning

arXiv
リンク
GraspNeRF: 一般化可能な NeRF を使用した透明オブジェクトと鏡面オブジェクトのマルチビューベースの 6-DoF 把持検出
arxiv_reader 2022/10/14
この作業では、透過オブジェクトと鏡面オブジェクトの 6-DoF 把握検出に取り組みます。これは、深度カメラがジオメトリの検出に失敗するため、視覚ベースのロボットシステムでは重要かつ困難な問題です。我

dataset

zero-shot

synthesis

arXiv reaDer

robot

real time

representation

sparse

detection

arXiv
リンク
Flare7K: 現象学的夜間フレア除去データセット
arxiv_reader 2022/10/14
人工照明は、通常、夜間に撮影された画像に強いレンズフレアアーティファクトを残します。夜間のフレアは、視覚的な品質に影響を与えるだけでなく、視覚アルゴリズムのパフォーマンスも低下させます。既存のフレ

dataset

arXiv

arXiv reaDer
リンク
それは間違った肺です！医療データ用の教師なしマルチモーダルエンコーダーの解釈可能性の評価と改善
arxiv_reader 2022/10/14
電子健康記録 (EHR) でマルチモーダルモデルを事前トレーニングすることで、最小限の監督で下流のタスクに転送できる表現を学習する手段が提供されます。最近のマルチモーダルモデルは、画像領域と文の間

synthesis

unsupervised

arXiv reaDer

domain

representation

few-shot

human

attention

learning

arXiv
リンク
敵対者の例の転送可能性を詳しく見る: 異なるモデルを異なる方法でだます方法
arxiv_reader 2022/10/14
ディープニューラルネットワークは、敵対的な伝達性を持つ敵対的な例 (AE) に対して脆弱です。ソースモデルに対して生成された AE は、別の (ターゲット) モデルの予測を誤解させる可能性があり

adversarial

arXiv

arXiv reaDer
リンク
MotionBERT: 人間の動作分析のための統合された事前トレーニング
arxiv_reader 2022/10/14
統合された事前トレーニングフレームワークである MotionBERT を提示して、3D ポーズ推定、スケルトンベースの動作認識、メッシュリカバリなど、人間の動作分析のさまざまなサブタスクに取り組

pose estimation

transformer

3D

spatio-temporal

action recognition

arXiv reaDer

representation

human

video

arXiv
リンク
MCVD：予測、生成、および補間のためのマスクされた条件付きビデオ拡散
arxiv_reader 2022/10/14
ビデオ予測は難しい作業です。現在の最先端（SOTA）生成モデルからのビデオフレームの品質は低くなる傾向があり、トレーニングデータを超えた一般化は困難です。さらに、既存の予測フレームワークは通常、無条件

benchmark

synthesis

generative

arXiv reaDer

denoising

video

arXiv
リンク
PointNeXt: 改善されたトレーニングとスケーリング戦略による PointNet++ の再検討
arxiv_reader 2022/10/14
PointNet++ は、点群を理解するための最も影響力のあるニューラルアーキテクチャの 1 つです。 PointNet++ の精度は、PointMLP や Point Transformer など

semantic segmentation

3D

transformer

residual

augmentation

arXiv reaDer

classification

point cloud

arXiv
リンク
拡散復元モデルのノイズ除去
arxiv_reader 2022/10/14
画像復元における多くの興味深いタスクは、線形逆問題としてキャストできます。これらの問題を解決するための最近の一連のアプローチでは、測定値が与えられた自然画像の事後分布からサンプリングする確率的アルゴリ

dataset

unsupervised

generative

pre-training

arXiv reaDer

reconstruction

denoising

arXiv

super-resolution
リンク
Prepended Domain Transformer: 付加機能のない異種の顔認識
arxiv_reader 2022/10/14
異種顔認識 (HFR) は、熱画像から可視画像 (VIS)、スケッチから可視画像、近赤外線から可視画像など、さまざまなドメインでキャプチャされた顔画像の照合を指します。これは、可視スペクトル画像を他の

benchmark

dataset

transformer

face recognition

pre-training

contrastive learning

arXiv reaDer

domain

arXiv
リンク
プラグアンドプレイの事前分布としての拡散モデル
arxiv_reader 2022/10/14
いくつかの追加情報 y が与えられた場合、事前 p(x) と x の補助微分可能制約 c(x,y) で構成されるモデルで高次元データ x を推論する問題を考えます。この論文では、事前分布は独立して訓練

generative

segmentation

arXiv reaDer

domain

denoising

differentiable

arXiv
リンク
球面画像投影によるマルチパラメトリック MRI ベースの神経膠腫セグメンテーションにおける U-Net 不確実性の定量化
arxiv_reader 2022/10/14
目的: 神経膠腫セグメンテーションにおけるマルチパラメトリック MRI (MP-MRI) の球状画像投影に基づく U-Net セグメンテーションの不確実性定量化方法を開発する。方法: 平面 MRI の

identification

segmentation

augmentation

arXiv reaDer

U-Net

MRI

arXiv
リンク
タイムスタンプ監視によるロバストアクションセグメンテーション
arxiv_reader 2022/10/14
アクションセグメンテーションは、トリミングされていないビデオの各フレームのアクションラベルを予測するタスクです。完全に監視された方法でアクションセグメンテーションのアプローチをトレーニングするた

segmentation

arXiv reaDer

action

video

arXiv
リンク
Solar Dynamics Observatory における注意ベースの生成的ニューラル画像圧縮
arxiv_reader 2022/10/14
NASA の Solar Dynamics Observatory (SDO) ミッションは、宇宙の静止軌道から毎日 1.4 テラバイトのデータを収集します。 SDO データには、さまざまな波長で撮影

generative

compression

arXiv reaDer

attention

arXiv
リンク
QDTrack: 外観のみの複数オブジェクト追跡のための準高密度類似性学習
arxiv_reader 2022/10/14
類似性学習は、オブジェクト追跡の重要なステップとして認識されています。ただし、既存の複数オブジェクト追跡方法は、画像内の有益な領域の大部分を無視しながら、スパースグラウンドトゥルースマッチングの

benchmark

contrastive learning

MOT

arXiv reaDer

sparse

detection

video

arXiv
リンク
LION: 3D 形状生成のための潜点拡散モデル
arxiv_reader 2022/10/14
ノイズ除去拡散モデル (DDM) は、3D 点群合成において有望な結果を示しています。 3D DDM を進化させ、デジタルアーティストに役立つものにするためには、(i) 高い生成品質、(ii) 条件

benchmark

3D

synthesis

mesh

arXiv reaDer

reconstruction

denoising

representation

point cloud

arXiv
リンク
VR-SFT: 相対求心性瞳孔欠陥を検出するための仮想現実でのスイング懐中電灯テストの再現
arxiv_reader 2022/10/14
2 つの目の間の相対的な求心性非対称性は、交互光テストとしても知られるスイングフラッシュライトテストを使用して診断できます。これは、今日まで最も使用されている臨床検査の 1 つです。スイング懐中電

arXiv

arXiv reaDer
リンク
合成面のメッシュ張力駆動式ベースのしわ
arxiv_reader 2022/10/14
現実的な顔の合成における最近の進歩により、顔に関連するさまざまなコンピュータービジョンタスクで、合成トレーニングデータが実際のデータを置き換えることができることが示されました。疑問が生じます:リ

dataset

synthesis

arXiv reaDer

face

arXiv

computer vision
リンク
画像ベースのローカリゼーションニューラルネットワークに対する敵対的攻撃
arxiv_reader 2022/10/14
このホワイトペーパーでは、自動運転車の画像ベースの位置推定モジュールを敵対的に攻撃するための概念実証を紹介します。この攻撃は、シミュレートされた都市環境で、車両に誤ったナビゲーションの決定を実行させ

localization

arXiv reaDer

adversarial

vehicle

arXiv
リンク
画像の色成分ベースのテンプレートマッチングによる自動リアルタイム車両分類
arxiv_reader 2022/10/14
リアルタイムの低コストシステムで効果的に実行する適切なテンプレートマッチングアルゴリズムの選択は、常に主要な問題です。これは、画像の一貫性を維持するために、より洗練されたリアルタイムアルゴリズ

vehicle

arXiv reaDer

classification

arXiv

real time
リンク
効率的な ML システムに向けて: 大規模なカーシェアリングプラットフォームにおけるタスクの精度とエンジニアリング効率のトレードオフを明らかにする
arxiv_reader 2022/10/14
教師あり深層ニューラルネットワークの優れたパフォーマンスにより、ML システムを開発する従来の手順はタスク中心であり、タスクの精度を最大化することを目的としています。ただし、ML の実践者がドメイン

dataset

OOD

detection

arXiv reaDer

domain

arXiv

representation
リンク
Denoising Masked AutoEncoders は認定可能な堅牢な視覚学習者です
arxiv_reader 2022/10/14
この論文では、画像の認定された堅牢な分類子を学習するための、Denoising Masked AutoEncoders (DMAE) と呼ばれる新しい自己教師あり方法を提案します。 DMAE では、ガ

dataset

self-supervised

arXiv reaDer

pre-training

classification

arXiv

learning

denoising
リンク
FontTransformer: スタックトランスフォーマーによる少数ショットの高解像度中国語グリフ画像合成
arxiv_reader 2022/10/14
いくつかのオンライントレーニングサンプルから高品質の中国語フォントを自動生成することは、特にサンプルの量が非常に少ない場合は困難な作業です。既存の少数ショットフォント生成方法では、しばしば不適切

few-shot

learning

arXiv

arXiv reaDer

transformer

synthesis
リンク
Hate-CLIPper: CLIP 機能のクロスモーダル相互作用に基づくマルチモーダルなヘイトミーム分類
arxiv_reader 2022/10/14
ヘイトミームは、ソーシャルメディア上でますます脅威となっています。ミーム内の画像とそれに対応するテキストは関連していますが、個別に見たときに必ずしも同じ意味を伝えるとは限りません。したがって、ヘイト

pre-training

classification

dataset

contrastive

human

representation

learning

arXiv

arXiv reaDer
リンク
ロボットナビゲーション用のビジュアルランゲージマップ
arxiv_reader 2022/10/14
ナビゲーティングエージェントの視覚的観測へのグラウンディング言語は、インターネットスケールのデータ (画像キャプションなど) で事前トレーニングされた市販の視覚言語モデルを使用して実行できます。こ

3D

representation

robot

video

reconstruction

arXiv

arXiv reaDer
リンク
低データ体制のための完全に接続されたレイヤーの不合理な効果
arxiv_reader 2022/10/14
畳み込みニューラルネットワークは、MLP ベースのアーキテクチャのトランスフォーマーが競争力のあるパフォーマンスを示し始めた最近まで、多くのコンピュータービジョンタスクを解決するための標準でした

classification

dataset

transformer

learning

knowledge distillation

arXiv

arXiv reaDer

computer vision

CNN
リンク
What the DAAM: Cross Attention を使用した安定拡散の解釈
arxiv_reader 2022/10/14
大規模な拡散ニューラルネットワークは、テキストから画像への生成における重要なマイルストーンであり、人間による評価で実際の写真と同様のパフォーマンスを発揮するものもあります。ただし、主に独自のクローズ

semantic segmentation

human

denoising

arXiv

arXiv reaDer

attention

unsupervised
リンク
質問を使用してビデオコーパスで視覚的な答えを見つけることを学ぶ
arxiv_reader 2022/10/14
自然言語の質問を使用して、トリミングされていないセグメント化されていない教育ビデオの大規模なコレクションで視覚的な回答を見つけることを目的とした、ビデオコーパスの視覚的な回答のローカリゼーション (

pre-training

contrastive learning

dataset

video

localization

arXiv

arXiv reaDer
リンク
PP-StructureV2: より強力なドキュメント分析システム
arxiv_reader 2022/10/14
大量の文書データは、テキスト情報を持たない生の画像などの非構造化形式で存在します。実用的なドキュメント画像分析システムを設計することは、意味のある作業ですが、やりがいのある作業です。以前の研究では、知

arXiv reaDer

detection

knowledge distillation

arXiv
リンク
NerfAcc: 一般的な NeRF アクセラレーションツールボックス
arxiv_reader 2022/10/14
放射輝度場の効率的なボリュームレンダリングのためのツールボックスである NerfAcc を提案します。 Instant-NGP で提案された手法を基に構築し、これらの手法を拡張して、境界のある静的シ

arXiv reaDer

python

arXiv
リンク
ARUBA: 空中物体検出のためのアーキテクチャに依存しない平衡損失
arxiv_reader 2022/10/14
ディープニューラルネットワークは、トレーニングデータセットの偏りに対応する傾向があります。オブジェクト検出では、バイアスは、クラス、背景と前景、オブジェクトサイズなどのさまざまな不均衡の形で存

dataset

detection

bias

arXiv

arXiv reaDer
リンク
ロボットによる少数発継続能動学習
arxiv_reader 2022/10/14
このホワイトペーパーでは、挑戦的ではあるが現実的な継続学習 (CL) 問題である Few-Shot Continual Active Learning (FoCAL) を検討します。ここで、CL エ

few-shot

dataset

arXiv

robot

learning

classification

arXiv reaDer

representation
リンク
CLIP-PAE: もつれを解き、解釈可能で、制御可能なテキストガイド付き画像操作に関連する特徴を抽出するための射影増強埋め込み
arxiv_reader 2022/10/14
最近導入された Contrastive Language-Image Pre-Training (CLIP) は、画像とテキストを結合潜在空間に埋め込むことでブリッジします。これにより、テキストによる

contrastive

pre-training

arXiv

disentangling

face

arXiv reaDer

embedding
リンク
- 2022年10月17日
- 2022年10月14日
- 2022年10月13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