arxiv_readerのブックマーク / 2023年4月3日 - はてなブックマーク

arxiv_reader id:arxiv_reader

2023年4月3日のブックマーク (143件)

柔軟なマルチモーダルドキュメントモデルに向けて
arxiv_reader 2023/04/03
グラフィックドキュメントを生成するための創造的なワークフローには、要素の整列、適切なフォントの選択、審美的に調和のとれた色の採用など、相互に関連する複雑なタスクが含まれます。この作業では、多くの異な

pre-training

multi-task

arXiv

learning

arXiv reaDer
リンク
オブジェクト再識別のための適応スパースペアワイズロス
arxiv_reader 2023/04/03
オブジェクトの再識別 (ReID) は、大規模なギャラリーから特定のプローブと同じ ID を持つインスタンスを見つけることを目的としています。ペアワイズロスは、強力な ReID ネットワークのトレー

sparse

arXiv

benchmark

re-id

arXiv reaDer
リンク
直感的な物理学による 3D 人間の姿勢推定
arxiv_reader 2023/04/03
画像から 3D の人間を推定すると、床に傾いたり、浮いたり、床に突き刺さったりする信じがたい体が生成されることがよくあります。このような方法では、通常、ボディがシーンによってサポートされているという事

SMPL

3D

dataset

arXiv

human pose estimation

learning

pose estimation

differentiable

arXiv reaDer
リンク
https://arxiv-check-250201.firebaseapp.com/each/2303.18242v2
arxiv_reader 2023/04/03
無限解像度データを直接操作する生成拡散モデルである ∞-Diff を紹介します。学習中に座標のサブセットをランダムにサンプリングし、それらの座標でコンテンツのノイズを除去することで、任意の解像度でのサ

compression

generative

arXiv

learning

arXiv reaDer
リンク
身体性知能のための人工視覚皮質を探している私たちはどこにいるのでしょうか?
arxiv_reader 2023/04/03
事前にトレーニングされた視覚的表現 (PVR) または具現化された AI の視覚的な「基盤モデル」に関する最大かつ最も包括的な実証研究を紹介します。まず、移動、ナビゲーション、器用さ、モバイル操作にま

video

pre-training

adaptation

dataset

arXiv

benchmark

transformer

representation

arXiv reaDer
リンク
神経社会物理学による人間の軌道予測
arxiv_reader 2023/04/03
軌道予測は多くの分野で広く追求されており、多くのモデルベースおよびモデルフリーの方法が検討されてきました。前者にはルールベース、幾何学的、または最適化ベースのモデルが含まれ、後者は主に深層学習アプロー

human

bias

trajectory

pedestrian

dataset

arXiv

estimation

learning

arXiv reaDer
リンク
DIME-FM: マルチモーダルで効率的な基盤モデルの蒸留
arxiv_reader 2023/04/03
CLIP、ALIGN、Florence などの大規模な視覚言語基盤モデル (VLFM) は、画像とキャプションのペアの大規模なデータセットでトレーニングされ、下流のタスクで優れた転送可能性と堅牢性を実

zero-shot

pre-training

distillation

dataset

arXiv

benchmark

classification

arXiv reaDer
リンク
教育用ビデオ理解のための手順認識事前トレーニング
arxiv_reader 2023/04/03
私たちの目標は、教育ビデオのタスクを理解する下流の手順に役立つビデオ表現を学習することです。利用可能な注釈の量が少ないため、手順の理解における重要な課題は、ラベルのないビデオから、タスクのアイデンティ

video

pre-training

arXiv

activity

representation

arXiv reaDer
リンク
高次空間コンテキストの再現を評価することによる画像の深い生成モデルの評価方法
arxiv_reader 2023/04/03
深層生成モデル (DGM) は、画像診断に革命を起こす可能性を秘めています。敵対的生成ネットワーク (GAN) は、広く採用されている DGM の一種です。生成された画像を実際に使用するためにドメイン

domain

arXiv

GAN

arXiv reaDer
リンク
SemHint-MD: 自己教師あり単眼深度推定のためのノイズの多いセマンティックラベルからの学習
arxiv_reader 2023/04/03
グラウンドトゥルースの監視がないと、測光損失の勾配局所性の問題により、自己監視深度推定が局所的最小値に閉じ込められる可能性があります。このホワイトペーパーでは、セマンティックセグメンテーションを

monocular

pre-training

tracking

arXiv

estimation

benchmark

self-supervised

learning

arXiv reaDer

semantic segmentation
リンク
Few-Shot 3D 点群分類の詳細
arxiv_reader 2023/04/03
近年、ラベル付けされたトレーニングデータの要件が少なくなり、新しいクラスの一般化が進んだため、2D 画像ドメインで少数ショット学習 (FSL) に関する研究が急速に成長しています。ただし、3D 点群

point cloud

embedding

3D

dataset

arXiv

benchmark

classification

domain

arXiv reaDer

few-shot
リンク
GVP: ジェネレーティブボリュームプリミティブ
arxiv_reader 2023/04/03
3D 対応の生成モデルの進歩により、明示的なカメラ制御による画像合成の限界が押し上げられました。高解像度の画像合成を実現するために、3D コンポーネントと 2D コンポーネントの両方を備えたハイブリッ

real time

knowledge distillation

3D

generative

dataset

arXiv

convolutional

synthesis

arXiv reaDer
リンク
2 次元畳み込みニューラルネットワークと肺 CT スキャンによるスリガラス状陰影の重症度分類: 3 日間の探索
arxiv_reader 2023/04/03
すりガラス陰影は、COVID19 と肺炎、肺線維症、結核の患者を含む、多くの肺疾患の特徴です。この短いメモは、2023 年 IEEE の AI 対応医用画像解析ワークショップで開催された「COVID-

CNN

RNN

pre-training

python

arXiv

classification

transformer

residual

CT

arXiv reaDer
リンク
自己注意ガイダンスを使用した拡散モデルのサンプル品質の向上
arxiv_reader 2023/04/03
ノイズ除去拡散モデル (DDM) は、その優れた生成品質と多様性で注目を集めています。この成功は、分類子や分類子を使用しないガイダンスなど、クラスまたはテキストの条件付き拡散ガイダンス方法の使用に大き

attention

arXiv

denoising

arXiv reaDer
リンク
オートエンコーダーは 3D CT 超解像に本当に適用できますか?
arxiv_reader 2023/04/03
ボトルネック構造が特徴のオートエンコーダー (AE) とその亜種は、セグメンテーション、再構成、ノイズ除去など、さまざまな医用画像分析タスクに広く適用されています。前述のタスクでの有望なパフォーマンス

super-resolution

reconstruction

3D

dataset

arXiv

U-Net

segmentation

CT

arXiv reaDer
リンク
拡散モデルにおけるパラメーター効率の高い調整の詳細
arxiv_reader 2023/04/03
Stable Diffusion のような大規模な拡散モデルは強力であり、さまざまな実世界のアプリケーションを見つけることができますが、微調整によってそのようなモデルをカスタマイズすることは、メモリと

metric

arXiv

arXiv reaDer
リンク
STMT: モーションキャプチャベースのアクション認識のための時空間メッシュトランスフォーマー
arxiv_reader 2023/04/03
モーションキャプチャ (MoCap) シーケンスを使用した人間の行動認識の問題を研究します。標準化されたスケルトン表現をモデル入力として導出するために複数の手動ステップを必要とする既存の手法とは異な

point cloud

arXiv

action recognition

benchmark

self-supervised

attention

transformer

domain

representation

arXiv reaDer
リンク
単一画像深度予測の改善: 多変量ガウステイク
arxiv_reader 2023/04/03
ニューラルネットワークベースの単一画像の深度予測 (SIDP) は、テスト時にシーンのピクセルごとの深度を予測することを目標とする困難なタスクです。この問題は定義上不適切な設定であるため、基本的な

loss function

dataset

arXiv

estimation

depth prediction

benchmark

learning

approximation

arXiv reaDer
リンク
STEPs: ラベル付けされていない手続き型ビデオからの自己管理型キーステップ抽出
arxiv_reader 2023/04/03
拡張現実 (AR) ヘッドセットが職業訓練とパフォーマンスに革命をもたらす可能性に動機付けられた、ラベル付けされていない手続き型ビデオから主要なステップを抽出するという問題に対処します。問題を表現学習

optical flow

representation learning

augmentation

arXiv

self-supervised

classification

contrastive

localization

gaze

arXiv reaDer
リンク
シャム DETR
arxiv_reader 2023/04/03
最近の自己教師あり手法は、主にベースモデル (ResNets や ViTs など) を使用した表現学習用に設計されています。タスク固有の Transformer モジュールを使用して、DETR に簡

representation learning

detection

arXiv

augmentation

self-supervised

transformer

localization

arXiv reaDer
リンク
マルチプレーン機能表現による効率的なビュー合成と 3D ベースのマルチフレームノイズ除去
arxiv_reader 2023/04/03
現在のマルチフレーム復元方法は、2D アライメント技術を使用して複数の入力画像からの情報を結合しますが、新しいビュー合成の最近の進歩は、ボリュームシーン表現に依存する新しいパラダイムへの道を開いてい

dataset

arXiv

unsupervised

denoising

synthesis

representation

arXiv reaDer
リンク
CLONeR：占有グリッド支援ニューラル表現のためのカメラとライダーの融合
arxiv_reader 2023/04/03
ニューラルラジアンスフィールド (NeRF) の最近の進歩により、最先端の新しいビュー合成が実現し、シーンプロパティの緻密な推定が容易になります。ただし、NeRF は、フィールドロボットアプ

sparse

3D

dataset

arXiv

estimation

depth prediction

pose

LiDAR

metric

arXiv reaDer
リンク
非線形モーション認識およびオクルージョンロバストなローリングシャッター補正に向けて
arxiv_reader 2023/04/03
この論文では、極度のオクルージョンを伴う複雑な非線形および動的シーンにおけるローリングシャッター補正の問題に対処します。既存の方法には、主に 2 つの欠点があります。第 1 に、均一な速度を仮定して

video

3D

occlusion

trajectory

face

dataset

arXiv

arXiv reaDer
リンク
スマートフォンの写真の知覚的な色の違いを測定する
arxiv_reader 2023/04/03
知覚色差 (CD) の測定は、現代のスマートフォンの写真撮影において非常に重要です。長い歴史にもかかわらず、ほとんどの CD 測定は、均質なカラーパッチまたは限られた数の単純な自然写真画像の心理物理

dataset

metric

arXiv

arXiv reaDer
リンク
複数のカメラと AI によるマーカーレスの 3D 人間の姿勢追跡: 高精度、堅牢性、リアルタイムパフォーマンスを実現
arxiv_reader 2023/04/03
人間の 3D モーションをリアルタイムで追跡することは、多くの分野にわたる多数のアプリケーションにとって非常に重要です。従来のアプローチでは、人工の基準オブジェクトまたはセンサーを身体に取り付ける必要

real time

human

3D

tracking

arXiv

pose estimation

simulation

arXiv reaDer
リンク
深い Average-K 分類用の 2 ヘッド損失関数
arxiv_reader 2023/04/03
平均 K 分類は、返されるラベルの数が入力画像のあいまいさによって変化するトップ K 分類の代替手段ですが、すべてのサンプルで K に平均化する必要があります。このタスクを解決する簡単な方法は、クロス

loss function

weakly-supervised

dataset

arXiv

classification

arXiv reaDer
リンク
自己教師あり学習と最小限のラベルを使用したプライバシー保護のための手術ビデオの体外フレームの自動検出
arxiv_reader 2023/04/03
内視鏡ビデオ録画は、低侵襲のロボット支援手術で広く使用されていますが、内視鏡が患者の体外にある場合、機密情報を含む可能性のある無関係なセグメントをキャプチャできます。これに対処するために、最小限のデー

video

pre-training

detection

arXiv

self-supervised

learning

representation

arXiv reaDer
リンク
三次相関クラスタリングにおける部分最適性
arxiv_reader 2023/04/03
高次相関クラスタリング問題は表現力豊かなモデルであり、最近、いくつかのアプリケーションに対してローカル検索ヒューリスティックが提案されています。ただし、最適性の証明は NP 困難であり、問題ステートメ

dataset

arXiv

clustering

arXiv reaDer
リンク
INoD: 農業分野における自己教師あり表現学習のための注入ノイズ弁別器
arxiv_reader 2023/04/03
農業用の知覚データセットは、量と多様性の両方で制限されており、教師あり学習アプローチの効果的なトレーニングを妨げています。自己教師あり学習技術はこの問題を軽減しますが、既存の方法は農業分野での高密度予

representation learning

dataset

detection

arXiv

self-supervised

convolutional

domain

arXiv reaDer

semantic segmentation
リンク
ディープメトリック埋め込みにおける特徴表現
arxiv_reader 2023/04/03
深層メトリック学習 (DML) では、高レベルの入力データが低レベルの表現 (埋め込み) 空間で表され、同じクラスのサンプルは近くにマッピングされ、異なるクラスのサンプルはさらに離れてマッピングされま

embedding

face

arXiv

clustering

unsupervised

metric learning

representation

arXiv reaDer
リンク
RDMNet: 自動運転のための信頼性の高い密なマッチングに基づく点群登録
arxiv_reader 2023/04/03
点群の登録は、ロボット工学と自動運転において車両の自我運動を推定するための重要なタスクです。粗いものから細かいものへの方法に従う最近の進歩は、点群の登録における有望な可能性を示しています。ただし、既存

sparse

point cloud

vehicle

autonomous driving

3D

dataset

arXiv

transformer

pose estimation

arXiv reaDer
リンク
リモートセンシング画像生成のためのGANの興味深い特性と反事実の説明
arxiv_reader 2023/04/03
敵対的生成ネットワーク (GAN) は、自然画像分野で目覚ましい進歩を遂げました。ただし、リモートセンシング (RS) 画像生成タスクに GAN を適用すると、異常な現象が観察されます。GAN モデ

regularization

dataset

arXiv

GAN

arXiv reaDer
リンク
パーソナライズされた拡散モデルによるワンショットの教師なしドメイン適応
arxiv_reader 2023/04/03
ラベル付けされたソースドメインから、単一のラベル付けされていないデータムが利用可能なターゲットドメインにセグメンテーションモデルを適応させることは、ドメイン適応における最も困難な問題の 1 つで

dataset

augmentation

arXiv

domain adaptation

unsupervised

one-shot

benchmark

segmentation

arXiv reaDer
リンク
手書き生成のためのライターと文字スタイルのもつれの解消
arxiv_reader 2023/04/03
さまざまな手書き文字を合成するように機械をトレーニングすることは、興味深い作業です。最近、様式化されたオンライン漢字を生成するために、RNN ベースの方法が提案されています。ただし、これらの方法は主に

person

disentangling

arXiv

transformer

contrastive

representation

arXiv reaDer
リンク
弱い監視下のビデオ異常検出のためのロングショートテンポラルコティーチング
arxiv_reader 2023/04/03
弱教師ありビデオ異常検出 (WS-VAD) は、ビデオレベルの注釈のみを使用して VAD モデルを学習することを目的とした困難な問題です。この作業では、WS-VAD の問題に対処するために、Long

anomaly detection

video

weakly-supervised

dataset

arXiv

transformer

learning

spatio-temporal

arXiv reaDer
リンク
ノイズの多いラベルを使用した画像セグメンテーションについて：精度とダイスに対する最適なソリューションの特性評価とボリューム特性
arxiv_reader 2023/04/03
ターゲットラベルにノイズが多い場合に、医療画像セグメンテーションで最も一般的な2つのパフォーマンスメトリックであるAccuracyとDiceを調査します。両方のメトリックについて、最適なセグメンテーシ

metric

arXiv reaDer

arXiv

segmentation
リンク
交通標識認識データセットとデータ拡張
arxiv_reader 2023/04/03
交通標識分類用のデータセットは多数ありますが、交通標識認識用に収集されたデータセットは少なく、特に深層学習法を使用してモデルをトレーニングするのに十分なインスタンスを取得するデータセットはほとんどあり

dataset

augmentation

arXiv

benchmark

classification

learning

arXiv reaDer
リンク
単純なドメイン一般化手法は、オープンドメイン一般化の強力なベースラインです
arxiv_reader 2023/04/03
実際のアプリケーションでは、機械学習モデルは、トレーニングフェーズと推論フェーズでデータの分布が異なるドメインシフトに加えて、推論中に未知のクラスが現れるオープンセット認識 (OSR) を処理す

augmentation

arXiv

learning

domain

arXiv reaDer
リンク
網膜細動脈 - 細静脈セグメンテーションにおけるトポロジーとオーバーラップのトレードオフ
arxiv_reader 2023/04/03
網膜眼底画像は、高血圧や糖尿病などの流行病をスクリーニングするための非常に貴重な診断ツールとなります。そして、それらが描写する細動脈と細静脈が明確に識別され、注釈が付けられている場合、それらは特に有用

CNN

loss function

dataset

arXiv

classification

segmentation

metric

arXiv reaDer
リンク
教師なし埋め込みを使用したライブ画像ベースの脳神経外科ガイダンスとロードマップ生成
arxiv_reader 2023/04/03
高度な低侵襲脳神経外科ナビゲーションは、主に磁気共鳴画像 (MRI) ガイダンスに依存しています。ただし、MRI ガイダンスは、ほとんどの場合、術前の情報しか提供しません。手術が始まると、手術による解

embedding

video

detection

arXiv

YOLO

unsupervised

MRI

localization

arXiv reaDer
リンク
LaCViT: ビジョントランスフォーマー向けのラベル認識型コントラストトレーニングフレームワーク
arxiv_reader 2023/04/03
ビジョントランスフォーマーは、長い機能の依存関係をモデル化できるため、コンピュータービジョンタスクに取り組む際に非常に効果的です。大規模なトレーニングデータとさまざまな自己教師あり信号 (マス

transfer learning

computer vision

dataset

arXiv

self-supervised

classification

transformer

contrastive

representation

arXiv reaDer
リンク
You Only Training Once: ハイパースペクトル異常検出のためのランダムマスクを使用した一般異常拡張ネットワークの学習
arxiv_reader 2023/04/03
このホワイトペーパーでは、ハイパースペクトル異常検出 (AD) における一般化の課題に対処するための新しいアプローチを紹介します。私たちの方法は、ほとんどの既存の方法で必要とされるパラメータの調整や

anomaly detection

dataset

arXiv

unsupervised

benchmark

learning

domain

arXiv reaDer
リンク
敵対的拡散モデルによる教師なし医用画像変換
arxiv_reader 2023/04/03
ソースからターゲットへのモダリティ変換による欠損画像の補完により、医療画像処理プロトコルの多様性を向上させることができます。ターゲット画像を合成するための広範なアプローチには、Generative A

dataset

arXiv

unsupervised

one-shot

MRI

synthesis

GAN

arXiv reaDer
リンク
複雑な石積み表面の教師なしクラック検出
arxiv_reader 2023/04/03
建物の病状を検出するためのコンピュータービジョンは、かなり前から研究者の関心を集めてきました。視覚ベースのひび割れ検出は、非破壊評価技術であり、厳格な規制が適用され、単純な介入であっても許可されてい

CNN

anomaly detection

computer vision

dataset

arXiv

unsupervised

classification

learning

localization

arXiv reaDer
リンク
ポイント派生セグメンテーションによるきめ細かいドメイン適応群集カウント
arxiv_reader 2023/04/03
ドメインシフトが原因で、通常、トレーニング済みの群衆カウントモデルが実際にデプロイされると、大幅なパフォーマンスの低下が観察されます。既存のドメイン適応群衆計数法は有望な結果を達成しますが、通常、

weakly-supervised

arXiv

domain adaptation

segmentation

arXiv reaDer
リンク
ALOFT: ドメインの一般化のための動的低周波変換を備えた軽量 MLP のようなアーキテクチャ
arxiv_reader 2023/04/03
ドメインの一般化 (DG) は、再トレーニングなしで複数のソースドメインを利用して、目に見えないターゲットドメインに適切に一般化するモデルを学習することを目的としています。既存の DG 作品のほと

CNN

arXiv

benchmark

learning

domain

representation

arXiv reaDer
リンク
TAP-Vid: ビデオの任意のポイントを追跡するためのベンチマーク
arxiv_reader 2023/04/03
ビデオから一般的なモーションを理解するには、オブジェクトを追跡するだけでなく、オブジェクトの表面がどのように変形および移動するかを認識することも必要です。この情報は、3D 形状、物理特性、およびオブジ

optical flow

human

3D

tracking

dataset

arXiv

benchmark

attention

synthesis

arXiv reaDer
リンク
自動運転における異常検出のための認識データセット: 調査
arxiv_reader 2023/04/03
自動運転の認識システムに採用されているディープニューラルネットワーク (DNN) は、あらゆる状況で高いパフォーマンスを確実に達成する必要があるため、トレーニングに膨大な量のデータを必要とします。

anomaly detection

autonomous driving

dataset

augmentation

arXiv

DNN

synthesis

arXiv reaDer
リンク
SfM-TTR: シングルビューデプスネットワークのテスト時間改良のためのモーションからの構造の使用
arxiv_reader 2023/04/03
単一のビューから高密度の深度マップを推定することは、幾何学的に不適切であり、最先端の方法は、ディープニューラルネットワークを使用して深度と外観の関係を学習することに依存しています。一方、Struc

sparse

point cloud

arXiv

self-supervised

learning

representation

arXiv reaDer
リンク
水中 VSLAM における特徴抽出のための知識の蒸留
arxiv_reader 2023/04/03
近年、学習ベースの特徴検出とマッチングは、空中のケースで手動で設計された方法よりも優れています。ただし、注釈付きの水中データセットがないため、水中シナリオの機能を学習するのは困難です。この論文では、水

knowledge distillation

dataset

detection

arXiv

RGB-D

synthesis

arXiv reaDer
リンク
VDN-NeRF: ビュー依存性正規化による形状放射のあいまいさの解決
arxiv_reader 2023/04/03
VDN-NeRF を提案します。これは、さまざまな角度から見たときにポイントの放射輝度に大きな変動を引き起こす非ランバートサーフェスおよび動的照明条件の下でより良いジオメトリを実現するために、神経放

synthesis

arXiv

arXiv reaDer
リンク
医用画像セグメンテーションのための明示的形状事前確率による学習
arxiv_reader 2023/04/03
医用画像のセグメンテーションは、医用画像の分析と外科的介入の基本的なステップと見なされます。また、以前の多くの研究では、セグメンテーションモデルを設計するために事前形状を組み込むことを試みました。こ

CNN

dataset

arXiv

segmentation

learning

arXiv reaDer
リンク
HIT-UAV: 無人航空機ベースの物体検出のための高高度赤外線熱データセット
arxiv_reader 2023/04/03
HIT-UAV データセットは、無人航空機 (UAV) での物体検出アプリケーション用の高高度赤外線熱データセットです。このデータセットは、学校、駐車場、道路、遊び場などのさまざまなシナリオで UAV

video

dataset

detection

arXiv

UAV

arXiv reaDer
リンク
拡散アクションセグメンテーション
arxiv_reader 2023/04/03
時間的なアクションのセグメンテーションは、長い形式のビデオを理解するために重要です。このタスクに関する以前の作品は、通常、多段階モデルを使用して反復改良パラダイムを採用しています。私たちの論文は、拡散

human

generative

dataset

arXiv

denoising

benchmark

segmentation

action

arXiv reaDer
リンク
CT シリーズにおける多臓器セグメンテーションのアンサンブル法
arxiv_reader 2023/04/03
医用画像の分野では、セマンティックセグメンテーションは最も重要ですが、医師が実行するのは困難で時間のかかる作業の 1 つです。コンピュータービジョンに関するディープラーニングモデルの最近の進歩

computer vision

arXiv

learning

arXiv reaDer

CT

semantic segmentation
リンク
CIMI4D: ヒューマンシーンインタラクション下の大規模なマルチモーダルクライミングモーションデータセット
arxiv_reader 2023/04/03
モーションキャプチャは長年の研究課題です。何十年にもわたって研究されてきましたが、研究の大部分は、歩く、座る、踊るなどの地面に基づく動きに焦点を当てています。クライミングなどの地面から離れた行動は、

action

point cloud

video

dataset

arXiv

human pose estimation

LiDAR

localization

pose estimation

arXiv reaDer
リンク
画像分類タスクの FedAvg と FedCurv のベンチマーク
arxiv_reader 2023/04/03
従来の機械学習手法では、単一のデータレイクで利用可能なデータのトレーニングが必要です。ただし、さまざまな所有者からのデータを集約することは、セキュリティ、プライバシー、機密性など、さまざまな理由から

dataset

arXiv

classification

learning

arXiv reaDer
リンク
CT 画像の危険にさらされている臓器のセグメンテーションに対する敵対的学習と教師あり学習の比較
arxiv_reader 2023/04/03
CT スキャンからのオルガンアットリスク (OAR) セグメンテーションは、放射線治療ワークフローの重要な要素です。近年、深層学習技術は、このプロセスの自動化において大きな可能性を示しています。こ

CNN

dataset

arXiv

segmentation

learning

CT

GAN

arXiv reaDer
リンク
STFAR: 特徴アライメント正則化によるセルフトレーニングによるテスト時のオブジェクト検出ロバスト性の向上
arxiv_reader 2023/04/03
ドメイン適応は、オブジェクト検出モデルを一般化して、分布シフトのあるドメインデータをターゲットにするのに役立ちます。これは、多くの場合、ターゲットドメインデータ全体へのアクセスを適応させることに

regularization

dataset

detection

arXiv

domain adaptation

benchmark

arXiv reaDer
リンク
ニューラルネットワークを使用した、制約のないオーディオスプライシングの検出とローカリゼーションに向けて
arxiv_reader 2023/04/03
無料で利用できる使いやすいオーディオ編集ツールを使用すると、オーディオのスプライシングを簡単に実行できます。説得力のある偽造は、同じ人物のさまざまな音声サンプルを組み合わせることで作成できます。このよ

person

detection

arXiv

seq2seq

transformer

localization

arXiv reaDer
リンク
神経崩壊に触発された、iid 以外のデータを使用したフェデレーテッドラーニング
arxiv_reader 2023/04/03
フェデレーテッドラーニングの課題の 1 つは、異種デバイス間の非独立で同一に分散された (非 iid) 特性です。これにより、ローカルアップデートに大きな違いが生じ、中央サーバーのパフォーマンスに

bias

dataset

arXiv

classification

learning

arXiv reaDer
リンク
IC-FPS: 3D ポイントベースオブジェクト検出用のインスタンスセントロイド高速ポイントサンプリングモジュール
arxiv_reader 2023/04/03
3D オブジェクト検出は、自動運転とロボット工学における最も重要なタスクの 1 つです。私たちの研究は、大規模な点群での点ベースの方法の効率が低い問題に取り組むことに焦点を当てています。既存の点ベース

point cloud

real time

autonomous driving

3D

dataset

detection

arXiv

benchmark

arXiv reaDer
リンク
MixMAE: 階層型ビジョントランスフォーマーの効率的な事前トレーニングのための混合およびマスクオートエンコーダー
arxiv_reader 2023/04/03
このホワイトペーパーでは、さまざまな階層型ビジョントランスフォーマーに適用できるシンプルだが効率的な事前トレーニング方法である Mixed and Masked AutoEncoder (MixM

reconstruction

dataset

arXiv

transformer

representation

arXiv reaDer
リンク
上顎洞の副鼻腔異常分類のための複数インスタンスの集合
arxiv_reader 2023/04/03
副鼻腔の異常は通常、定期的な放射線検査中に発見され、幅広い形態学的特徴を示すことがあります。この多様性により、畳み込みニューラルネットワーク (CNN) がこれらの異常を正確に分類することが困難にな

CNN

3D

anomaly

dataset

arXiv

MRI

classification

localization

arXiv reaDer
リンク
CIRCLE: 豊富なコンテキスト環境でのキャプチャ
arxiv_reader 2023/04/03
コンテキストに応じた生態学的環境で 3D の人間の動きを合成することは、現実世界で人々が実行する現実的な活動をシミュレートするために重要です。ただし、従来の光学ベースのモーションキャプチャシステム

human

3D

occlusion

generative

dataset

arXiv

RGB-D

activity

synthesis

arXiv reaDer
リンク
ガイド付き伝送マップを使用したエンコーダー/デコーダーネットワーク: アーキテクチャ
arxiv_reader 2023/04/03
ガイド付き伝送マップ (EDN-GTM) を使用したエンコーダーデコーダーネットワークのアーキテクチャへの洞察、斬新で効果的な単一画像のかすみ除去スキームが、このペーパーで提示されます。 EDN-

benchmark

U-Net

arXiv reaDer

arXiv

dataset

metric
リンク
StructToken : Structural Prior を使用したセマンティックセグメンテーションの再考
arxiv_reader 2023/04/03
以前の深層学習ベースの方法では、セマンティックセグメンテーションは静的または動的なピクセルごとの分類タスク、つまり各ピクセル表現を特定のカテゴリに分類するものと見なされていました。ただし、これらの方

human

representation

arXiv

benchmark

classification

learning

arXiv reaDer

semantic segmentation
リンク
注意: 微調整された拡散モデルにおける精度と解釈可能性のトレードオフ
arxiv_reader 2023/04/03
画像品質の観点からの拡散モデルの最近の進歩は、生成モデルに関連する研究に大きな変化をもたらしました。現在のアプローチでは、多くの場合、ドメイン固有のテキストと画像のペアを使用して、事前トレーニング済み

pre-training

generative

arXiv

attention

segmentation

arXiv reaDer
リンク
2D 拡散モデルを使用した 3D 対応の画像生成
arxiv_reader 2023/04/03
このホワイトペーパーでは、2D 拡散モデルを活用する新しい 3D 対応画像生成方法を紹介します。 3D 認識画像生成タスクを多視点 2D 画像セットの生成として定式化し、さらに連続的な無条件-条件付

monocular

generative

dataset

arXiv

arXiv reaDer
リンク
EA-BEV: 3D オブジェクト検出用のエッジ認識鳥瞰図プロジェクター
arxiv_reader 2023/04/03
近年、Lift-Splat-Shot ベース (LSS ベース) の 3D オブジェクト検出方法が大幅に進歩しました。この方法では、2D カメラビューと 3D ライダービューの特徴を、特徴を得るた

sparse

3D

detection

arXiv

estimation

benchmark

LiDAR

segmentation

arXiv reaDer
リンク
事前トレーニング済みモデルを使用したディープイメージクラスタリングの限界の調査
arxiv_reader 2023/04/03
事前トレーニング済みの特徴抽出器を活用して、ラベルなしで画像を分類することを学習する一般的な方法論を提示します。私たちのアプローチには、事前トレーニング済みの特徴空間内の最近傍が同じラベルを共有する可

arXiv

clustering

self-supervised

classification

transformer

arXiv reaDer
リンク
階層的画像分類のためのセマンティックガイド付きレベルカテゴリハイブリッド予測ネットワーク
arxiv_reader 2023/04/03
階層分類 (HC) は、階層構造に編成された複数のラベルを各オブジェクトに割り当てます。既存のディープラーニングベースの HC メソッドは通常、ルートノードからリーフノードに到達するまでのイン

embedding

occlusion

dataset

arXiv

classification

transformer

learning

representation

arXiv reaDer
リンク
局所的に制御可能な偏光投影を使用した偏光ベースのビジョンの欺瞞
arxiv_reader 2023/04/03
偏光は、表面形状、材料、照明、表示ジオメトリに関する豊富な情報をエンコードする光の基本的な特性です。コンピュータービジョンコミュニティは、偏光を生成するシングルチップのモノクロ/カラー偏光センサ

human

computer vision

arXiv

pose

adversarial

segmentation

domain

arXiv reaDer
リンク
Dual-Attention Transformer と弁別フローによる視覚的異常検出
arxiv_reader 2023/04/03
このホワイトペーパーでは、視覚的異常検出のための新しい最先端の Dual-Attention Transformer and Discriminative Flow (DADF) フレームワークを紹

anomaly detection

embedding

reconstruction

pre-training

arXiv

benchmark

attention

transformer

arXiv reaDer
リンク
GlyphDraw: テキストから画像への生成で複雑な空間構造を持つテキストをシームレスにレンダリング
arxiv_reader 2023/04/03
言語誘導画像生成の分野における最近のブレークスルーは目覚ましい成果をもたらし、ユーザーの指示に基づいて高品質で多様な画像の作成を可能にしました。合成パフォーマンスは魅力的ですが、現在の画像生成モデルの

synthesis

arXiv

learning

arXiv reaDer
リンク
因果関係の観点からの画像復元のための歪み不変表現の学習
arxiv_reader 2023/04/03
近年、画像復元におけるディープニューラルネットワーク (DNN) の大きな進歩を目の当たりにしてきました。ただし、重要な制限は、さまざまな程度や種類の実際の劣化にうまく一般化できないことです。この

representation learning

augmentation

arXiv

DNN

arXiv reaDer
リンク
CAP-VSTNet: Content Affinity Preserved Versatile Style Transfer
arxiv_reader 2023/04/03
機能やピクセルアフィニティを含むコンテンツアフィニティの損失は、写真のようにリアルなビデオスタイルの転送でアーティファクトにつながる主な問題です。この論文では、CAP-VSTNet という名前の

video

arXiv

residual

affinity

arXiv reaDer
リンク
MapFormer: 変更前の情報を使用して変更検出を強化する
arxiv_reader 2023/04/03
リモートセンシング画像の変化検出は、都市計画、災害管理、気候研究などのさまざまな用途に不可欠です。しかし、意味的に変化した領域を特定する既存の方法では、地表の特徴を表す既存の地図という形で意味情報を

detection

arXiv

learning

contrastive

representation

arXiv reaDer
リンク
オービタルロボティクスのための近似 3D モデルからの 6D オブジェクト姿勢推定
arxiv_reader 2023/04/03
オブジェクトの 3D ジオメトリが正確な 3D モデルとしてではなく、おおよそだけ与えられる単一の画像からオブジェクトの 6D ポーズを推定する新しい手法を提示します。これを実現するために、すべてのピ

6D

3D

dataset

arXiv

robot

pose estimation

arXiv reaDer
リンク
最大共分散展開回帰: 点群データに対する新しい共変量ベースの多様体学習アプローチ
arxiv_reader 2023/04/03
点群データは、プロセス検査、モデリング、監視、および最適化のための製造アプリケーションで広く使用されています。最先端のテンソル回帰技術は、構造化された点群データの分析に効果的に使用されており、均一なグ

point cloud

manifold

arXiv

benchmark

learning

arXiv reaDer
リンク
スマートグラス用の実用的なステレオ深度システム
arxiv_reader 2023/04/03
整流が信頼できない場合、単眼深度推定へのフォールバックを使用して、前処理、オンラインステレオ整流、およびステレオ深度推定を行う、生産されたエンドツーエンドのステレオ深度センシングシステムの設計

monocular

3D

arXiv

estimation

stereo

arXiv reaDer
リンク
WSense: 軽量の人間活動認識のための堅牢な機能学習モジュール
arxiv_reader 2023/04/03
最近では、スクイーズアンドエキサイテーションなどのさまざまなモジュールが提案されており、ウェアラブルセンサー信号から学習した機能の品質を向上させています。ただし、これらのモジュールはパラメーターの数が

CNN

human

dataset

arXiv

learning

pooling

activity

arXiv reaDer
リンク
オブジェクトへのスロットのシェパディング: 安定したロバストなオブジェクト中心の学習に向けて
arxiv_reader 2023/04/03
オブジェクト中心の学習 (OCL) は、シーンをオブジェクト中心の表現のコレクションとして表現することにより、シーンの一般的かつ構成的な理解を目指します。 OCL は、マルチビューイメージおよびビデ

video

bias

representation

dataset

arXiv

attention

learning

arXiv reaDer

semi-supervised
リンク
迅速な正則化によるビジョン言語モデルの偏りのない微調整
arxiv_reader 2023/04/03
Prompt Regularization (ProReg) と呼ばれる、大規模なビジョン言語の事前トレーニング済みモデルをダウンストリームタスクで微調整するための新しいパラダイムを提示します。下流

regularization

zero-shot

pre-training

arXiv

benchmark

domain

OOD

arXiv reaDer
リンク
ロングテールサンプル分布におけるハードノイズの特定
arxiv_reader 2023/04/03
従来のノイズ除去方法は、すべてのサンプルが独立しており、同じように分布しているという仮定に依存しているため、結果の分類器は、ノイズに邪魔されても、トレーニング分布の外れ値としてノイズを簡単に識別できま

dataset

arXiv

classification

learning

arXiv reaDer
リンク
教育ビデオとそのナレーションからの手順認識ビデオ表現の学習
arxiv_reader 2023/04/03
インターネット上の豊富な教育用ビデオとそのナレーションは、手続き型アクティビティを理解するための刺激的な方法を提供します。この作業では、人間の注釈を使用せずに、Web 教育ビデオとそのナレーションの大

zero-shot

reasoning

human

activity

dataset

arXiv

classification

action

representation

arXiv reaDer
リンク
解釈の再考: 深層視覚分類器の入力に依存しない顕著性マッピング
arxiv_reader 2023/04/03
顕著性メソッドは、入力機能をモデル出力に関連付けることにより、事後モデル解釈を提供します。現在の方法では、主に単一の入力サンプルを使用してこれを実現しているため、モデルに関する入力に依存しない問い合わ

gradient

saliency

bias

dataset

arXiv

interpretation

arXiv reaDer
リンク
深層学習を使用した SAR 画像の変化検出分類子の差分画像の改善
arxiv_reader 2023/04/03
衛星ベースの合成開口レーダー (SAR) 画像は、雲量や昼夜サイクルに関係なく、リモートセンシング画像のソースとして使用できます。ただし、スペックルノイズとさまざまな画像取得条件は、変化検出分類器

detection

arXiv

pose

classification

learning

synthesis

arXiv reaDer
リンク
StyleDomain: ワンショットおよび少数のドメイン適応のための StyleGAN の効率的で軽量なパラメーター化
arxiv_reader 2023/04/03
GAN のドメイン適応は、大規模なデータセットで事前トレーニングされた最先端の GAN モデル (StyleGAN など) を、サンプル数の少ない特定のドメイン (顔のペイント、スケッチなど) に微調

face

dataset

arXiv

domain adaptation

one-shot

arXiv reaDer

GAN

few-shot
リンク
VRL3: 視覚的な深層強化学習のためのデータ駆動型フレームワーク
arxiv_reader 2023/04/03
VRL3 は、困難な視覚的深層強化学習 (DRL) タスクを解決するためのシンプルな設計の強力なデータ駆動型フレームワークです。データ駆動型アプローチを採用する上での多くの主要な障害を分析し、データ駆

sparse

dataset

arXiv

reinforcement learning

representation

arXiv reaDer
リンク
APPT : 3D 点群を理解するための非対称並列点変換器
arxiv_reader 2023/04/03
変圧器ベースのネットワークは、3D 点群の理解において印象的なパフォーマンスを達成しました。ただし、それらのほとんどは局所的な機能の集約に集中していますが、グローバルな依存関係を直接モデル化することを

point cloud

3D

arXiv

benchmark

classification

attention

transformer

arXiv reaDer

semantic segmentation
リンク
グローバルローカルコンテキスト機能を使用したゼロショット参照画像セグメンテーション
arxiv_reader 2023/04/03
参照イメージセグメンテーション (RIS) は、入力イメージの領域に基づいた参照表現を指定して、セグメンテーションマスクを見つけることを目的としています。ただし、このタスクのためにラベル付けされた

zero-shot

pre-training

weakly-supervised

dataset

arXiv

segmentation

arXiv reaDer
リンク
クラスはコンテキストに対して不変であり、その逆: 分布外一般化のための不変性の学習について
arxiv_reader 2023/04/03
Out-Of-Distribution Generalization (OOD) とは、環境の変化に対する不変性を学習することです。すべてのクラスのコンテキストが均等に分散されている場合、OOD は自

bias

dataset

arXiv

estimation

benchmark

learning

contrastive

domain

OOD

arXiv reaDer
リンク
逆レンダリング用のニューラルマイクロファセットフィールド
arxiv_reader 2023/04/03
シーンの画像からマテリアル、ジオメトリ、および環境照明を回復する方法であるニューラルマイクロファセットフィールドを紹介します。私たちの方法は、光線に沿った各サンプルを (潜在的に非不透明な) 表面

synthesis

arXiv

arXiv reaDer
リンク
軽量ビジョントランスフォーマーにおける局所認識の再考
arxiv_reader 2023/04/03
ビジョントランスフォーマー (ViTs) は、さまざまなビジョンタスクで効果的であることが示されています。ただし、モバイルに適したサイズにサイズ変更すると、パフォーマンスが大幅に低下します。したが

detection

arXiv

classification

attention

transformer

pooling

convolutional

arXiv reaDer

semantic segmentation
リンク
信号部分空間間の差分部分空間に基づく時系列異常検出
arxiv_reader 2023/04/03
この論文では、差分部分空間の概念を特異スペクトル分析 (SSA) に組み込むことによって、時系列データの異常を検出するための新しい方法を提案します。過去と現在の時系列データに対応する 2 つの信号部分

arXiv reaDer

arXiv

dataset

anomaly detection
リンク
視覚言語モデルのドメイン不変プロンプトの学習
arxiv_reader 2023/04/03
プロンプト学習は、非常に少ないサンプルで学習可能なプロンプトベクトルを調整することにより、CLIP のような強力な視覚言語基盤モデルをダウンストリームデータセットに適応させる最も効果的で流行の方法

pre-training

face

dataset

arXiv

learning

contrastive

domain

representation

arXiv reaDer
リンク
同時探索と識別による 3D 認識オブジェクトゴールナビゲーション
arxiv_reader 2023/04/03
目に見えない環境でのオブジェクトゴールナビゲーション (ObjectNav) は、エンボディド AI の基本的なタスクです。既存の作品のエージェントは、2D マップ、シーングラフ、または画像シー

3D

identification

dataset

arXiv

learning

representation

arXiv reaDer
リンク
FONT: 自然な頭の動きによるフローガイド付きのワンショットトーキングヘッド生成
arxiv_reader 2023/04/03
ワンショットトーキングヘッド生成は、近年注目を集めており、さまざまな創造的かつ実用的なアプリケーションがあります。理想的な自然で鮮やかなトーキングヘッドビデオには、自然なヘッドポーズの変化が含ま

video

face

keypoint

arXiv

unsupervised

one-shot

pose

attention

arXiv reaDer
リンク
SOSR: Wavelet Augmentation Transformer を使用したソースフリー画像の超解像度
arxiv_reader 2023/04/03
異なる劣化カーネルを使用して異なるカメラで撮影された現実世界の画像は、多くの場合、画像の超解像度にクロスデバイスドメインギャップをもたらします。この問題に対する一般的な試みは、ソースデータにアク

regularization

super-resolution

pre-training

augmentation

arXiv

domain adaptation

unsupervised

attention

transformer

arXiv reaDer
リンク
CrossLoc3D: 空中地上クロスソース 3D 場所認識
arxiv_reader 2023/04/03
CrossLoc3D は、クロスソース設定で大規模なポイントマッチング問題を解決する新しい 3D 場所認識方法です。クロスソースポイントクラウドデータは、異なる精度で、または異なる距離と視点か

point cloud

embedding

3D

dataset

arXiv

benchmark

LiDAR

metric learning

convolutional

arXiv reaDer
リンク
2D 投影入力からの 3D 変換の内部表現の学習
arxiv_reader 2023/04/03
3 次元の世界で対話するとき、人間は 2 次元の網膜画像に投影された視覚入力から 3D 構造を推定する必要があります。人間は、この制約の少ない問題を解決する際に、奥行きのあいまいさを解決するための手が

human

3D

generative

manifold

arXiv

learning

representation

arXiv reaDer
リンク
半弱教師あり物体の運動学的運動予測
arxiv_reader 2023/04/03
3D オブジェクトが与えられた場合、キネマティックモーション予測は、可動部分と対応するモーションパラメーターを特定することを目的としています。 3D オブジェクトのトポロジ構造と幾何学的詳細の両方

3D

weakly-supervised

augmentation

arXiv

dataset

learning

arXiv reaDer

semantic segmentation
リンク
時空間トランスフォーマーのスパイクによるイベントベースの人間の姿勢追跡
arxiv_reader 2023/04/03
イベントカメラは、モーションダイナミクスをキャプチャするための新しい生物学に着想を得たビジョンセンサーであり、3D 人間の姿勢追跡、またはビデオベースの 3D 人間姿勢推定に新たな可能性をもたら

sparse

3D

tracking

dataset

arXiv

human pose estimation

transformer

SNN

pose estimation

arXiv reaDer
リンク
DATID-3D: 3D 生成モデルにテキストから画像への拡散を使用した多様性保存ドメイン適応
arxiv_reader 2023/04/03
最近の 3D 生成モデルは、ビューの一貫性と詳細な 3D 形状を備えた高解像度の写真のようにリアルな画像を合成する際に驚くべきパフォーマンスを達成しましたが、膨大なトレーニング画像とそのカメラ分布情報

reconstruction

3D

pre-training

generative

dataset

arXiv

domain adaptation

one-shot

contrastive

arXiv reaDer
リンク
単一画像からの関節深さの推定と降雨除去の混合
arxiv_reader 2023/04/03
雨天は、特に屋外のカメラレンズやフロントガラスを通して画像をキャプチャする場合に、シーンオブジェクトの視認性を大幅に低下させます。多くの雨の写真を注意深く観察することで、画像は一般的に、雨滴、雨

dataset

arXiv

estimation

pose

learning

synthesis

arXiv reaDer
リンク
MagicPony: 野生の多関節 3D 動物を学ぶ
arxiv_reader 2023/04/03
入力として単一のテスト画像が与えられた場合、馬のような多関節動物の 3D 形状、関節、視点、テクスチャ、および照明を予測する問題を検討します。 MagicPony と呼ばれる新しい方法を提示します。こ

3D

arXiv

estimation

mesh

pose

self-supervised

transformer

learning

representation

arXiv reaDer
リンク
バックドア透かしによるブラックボックスデータセット所有権の検証
arxiv_reader 2023/04/03
ディープラーニング、特にディープニューラルネットワーク (DNN) は、その高い有効性と効率性から、多くの重要なアプリケーションに広く採用され、成功を収めています。 DNN の急速な開発は、いく

dataset

arXiv

benchmark

learning

DNN

arXiv reaDer
リンク
MLGCN: 3D 点群解析のための超効率的なグラフ畳み込みニューラルモデル
arxiv_reader 2023/04/03
3D 点群の解析には、ロボット工学、ビジョン、グラフィックスの分野でさまざまな用途があります。それらは自然にまばらで、空間解像度が異なる可能性があり、通常は順序付けられていないため、それらの処理には特

GNN

CNN

point cloud

sparse

3D

arXiv

GCN

segmentation

arXiv reaDer
リンク
オーグメンテーションの価値はどのくらいのデータですか?スケーリング則、不変性、暗黙の正則化の調査
arxiv_reader 2023/04/03
データ増強による明らかなパフォーマンス上の利点にもかかわらず、なぜそれほど効果的であるかについてはほとんどわかっていません。このホワイトペーパーでは、データ拡張が機能するいくつかの重要なメカニズムを解

regularization

augmentation

arXiv

OOD

arXiv reaDer
リンク
FairGen: 公正なグラフ生成に向けて
arxiv_reader 2023/04/03
過去数十年にわたり、ソーシャルネットワークからコンピューターネットワーク、遺伝子調節ネットワークからオンライントランザクションネットワークに至るまで、さまざまな領域で現実的なグラフを生成するこ

reconstruction

representation learning

generative

augmentation

arXiv

unsupervised

domain

arXiv reaDer
リンク
DINER: 深度認識画像ベースの NEural Radiance フィールド
arxiv_reader 2023/04/03
Depth-aware Image-based NEural Radiance fields (DINER) を紹介します。 RGB 入力ビューのまばらなセットが与えられると、深度マップと特徴マップを

sparse

reconstruction

human

3D

arXiv

synthesis

representation

metric

arXiv reaDer
リンク
DyNCA: ニューラルセルオートマトンを使用したリアルタイムの動的テクスチャ合成
arxiv_reader 2023/04/03
現在の動的テクスチャ合成 (DyTS) モデルは、リアルなビデオを合成できます。ただし、単一の固定サイズの短いビデオを合成するには、低速の反復最適化プロセスが必要であり、合成プロセスに対するトレーニン

real time

video

arXiv

synthesis

arXiv reaDer
リンク
ミニバッチでの敵対的サンプルの生成は、敵対的ロバストネスにとって有害である可能性があります
arxiv_reader 2023/04/03
ニューラルネットワークは、コンピュータービジョン内で非常に効果的であると同時に、敵対的な攻撃に対して非常に脆弱であることが証明されています。その結果、比類のないパフォーマンスのためにニューラルネ

computer vision

loss function

arXiv

adversarial

arXiv reaDer
リンク
なぜ勝者が最高なのですか？
arxiv_reader 2023/04/03
国際的なベンチマークコンテストは、画像解析手法の比較パフォーマンス評価の基本となっています。しかし、これらの競争から何を学ぶことができるかを調査することにはほとんど注意が向けられていません。それらは

multi-task

augmentation

arXiv

attention

learning

domain

metric

arXiv reaDer
リンク
GFM: 継続的な事前トレーニングによる地理空間基盤モデルの構築
arxiv_reader 2023/04/03
地理空間技術は、農業、都市計画、災害対応など、幅広い用途のために、私たちの世界でますます不可欠になっています。これらの地理空間タスクでのディープラーニングモデルの適用性とパフォーマンスを向上させる

super-resolution

representation

dataset

detection

arXiv

classification

learning

domain

arXiv reaDer

semantic segmentation
リンク
大規模ニューラルネットワークの幾何学的ロバスト性の検証に向けて
arxiv_reader 2023/04/03
ディープニューラルネットワーク (DNN) は、敵対的な幾何学的変換に対して脆弱であることが知られています。この論文は、証明可能な保証を伴う複数の幾何学的変換の組み合わせに対する大規模 DNN の

arXiv

adversarial

transformer

DNN

arXiv reaDer
リンク
S-VolSDF: ニューラル暗黙曲面のスパースマルチビューステレオ正則化
arxiv_reader 2023/04/03
インプリシットサーフェスのニューラルレンダリングは、3D ビジョンアプリケーションでうまく機能します。ただし、監視として高密度の入力ビューが必要です。まばらな入力画像しか利用できない場合、出力品

sparse

regularization

reconstruction

3D

arXiv

stereo

arXiv reaDer
リンク
最初に成功しない場合: ゼロショット、クロスドメイン検索の再ランキングのテスト時間
arxiv_reader 2023/04/03
この論文では、2つの重要な貢献をする、ゼロショットのクロスドメイン画像検索の新しい方法を提案します。 1 つ目は、ギャラリーとギャラリーのランクを反復的な再ランキングプロセスに組み込むことで、意味の

zero-shot

knowledge distillation

dataset

arXiv

benchmark

transformer

arXiv reaDer
リンク
医用画像セグメンテーションのためのデュアルクロスアテンション
arxiv_reader 2023/04/03
デュアルクロスアテンション (DCA) を提案します。これは、医用画像セグメンテーション用の U-Net ベースのアーキテクチャでスキップ接続を強化できるシンプルで効果的なアテンションモジュール

dataset

arXiv

U-Net

attention

segmentation

arXiv reaDer
リンク
仮想試着でロバストワーピングのためのGarment DensePoseを学ぶ
arxiv_reader 2023/04/03
仮想試着、つまり人々に新しい衣服を仮想的に試着させることは、優れた商用アプリケーションを備えたコンピュータービジョンの活発な研究分野です。現在の仮想試着方法は通常、2 段階のパイプラインで機能します

person

computer vision

weakly-supervised

arXiv

estimation

benchmark

pose

learning

arXiv reaDer
リンク
生涯学習の継続的評価: 安定性のギャップの特定
arxiv_reader 2023/04/03
時間依存のデータ生成分布は、ニューラルネットワークの勾配ベースのトレーニングにとって困難であることが証明されています。貪欲な更新により、以前に学習した知識が壊滅的に忘却されるためです。この忘却を克服

regularization

knowledge distillation

disentangling

arXiv

benchmark

learning

metric

arXiv reaDer
リンク
HandsOff: 追加のヒューマンアノテーションを使用しないラベル付きデータセットの生成
arxiv_reader 2023/04/03
最近の研究では、敵対的生成ネットワーク (GAN) の表現力を活用して、ラベル付きの合成データセットを生成しています。これらのデータセット生成方法では、多くの場合、合成画像の新しい注釈が必要になるため

transfer learning

dataset

detection

arXiv

estimation

pose

domain

arXiv reaDer

GAN

semantic segmentation
リンク
手の姿勢推定を使用して開腹手術のトレーニングフィードバックを自動化する
arxiv_reader 2023/04/03
目的: この研究は、外科医の自動トレーニングと手術映像の分析のための最先端のコンピュータービジョンアルゴリズムの使用を促進することを目的としています。 2D の手のポーズを推定することにより、開業

pre-training

computer vision

dataset

arXiv

domain

segmentation

pose estimation

simulation

arXiv reaDer
リンク
ベースラインを確立し、粒度の細かい分布外検出のための TernaryMixOE を導入する
arxiv_reader 2023/04/03
オープンワールドに展開された機械学習モデルは、認識できるようにトレーニングされていない観測に遭遇する可能性があり、そのような観測を高い信頼度で誤分類するリスクがあります。したがって、このような誤分類

loss function

detection

arXiv

classification

learning

OOD

arXiv reaDer
リンク
NVAutoNet: 自動運転のための高速で正確な 360^∘ 3D 視覚認識
arxiv_reader 2023/04/03
自動運転車には、3D 世界の堅牢なリアルタイム認識が不可欠です。自動運転用のエンドツーエンドのサラウンドカメラ認識システムを紹介します。私たちの認識システムは、時間同期されたカメラ画像の可変セットを

vehicle

real time

3D

multi-task

arXiv

clustering

arXiv reaDer
リンク
拡散モデルによるマルチタスク脳腫瘍修復: 方法論的レポート
arxiv_reader 2023/04/03
深層学習 (DL) モデルを医用画像に適用することへの関心がますます高まっているにもかかわらず、医療データセットの典型的な不足と不均衡は、DL モデルのパフォーマンスに深刻な影響を与える可能性がありま

dataset

arXiv

denoising

MRI

learning

synthesis

GAN

arXiv reaDer
リンク
共同埋め込み予測アーキテクチャによる画像からの自己教師あり学習
arxiv_reader 2023/04/03
この論文では、手作りのデータ増強に頼ることなく、高度にセマンティックな画像表現を学習するためのアプローチを示します。画像からの自己教師あり学習のための非生成的アプローチである画像ベースのジョイント埋め

arXiv

depth prediction

self-supervised

classification

transformer

learning

representation

arXiv reaDer
リンク
ビジュアルストーリーにおける重要なキャラクターの検出とグラウンディング
arxiv_reader 2023/04/03
キャラクターは、あらゆるストーリーのプロットに不可欠です。物語を書く前に登場人物を確立することで、筋書きの明快さと物語全体の流れを改善することができます。ただし、視覚的なストーリーテリングに関する以前

pre-training

dataset

detection

arXiv

unsupervised

arXiv reaDer
リンク
XPert: Peripheral Circuit & Neural Architecture Co-search for Area and Energy-efficient Xbar-based Computing
arxiv_reader 2023/04/03
インメモリコンピューティング (IMC) アーキテクチャに実装されたディープニューラルネットワーク (DNN) のハードウェア効率と精度は、主に DNN アーキテクチャと周辺回路パラメータに依存

DNN

dataset

arXiv

arXiv reaDer
リンク
低データ体制における放射線画像とレポートのための視覚言語モデリング
arxiv_reader 2023/04/03
このホワイトペーパーでは、臨床データセットでよくあるように、トレーニングデータが限られているシナリオに特に焦点を当てて、視覚と言語の入力が共通の空間に埋め込まれている医療用視覚言語モデル (VLM

zero-shot

pre-training

loss function

augmentation

arXiv

benchmark

self-supervised

classification

contrastive

arXiv reaDer
リンク
内視鏡領域のプレトレーニングが意味をなすかどうか、またその場合はいつですか?
arxiv_reader 2023/04/03
自動化された内視鏡ビデオ分析は、手術中に外科医を支援することを主な目的とする、医療用コンピュータービジョンにおける困難なタスクです。難しさは、手術シーンの複雑さと、十分な量の注釈付きデータの不足から

video

computer vision

dataset

detection

arXiv

transformer

action

domain

arXiv reaDer
リンク
人間とロボットの協調のための視線ベースの注意認識
arxiv_reader 2023/04/03
注意 (および気晴らし) の認識は、人間とロボットのコラボレーションを改善する上で重要な要素です。人間のオペレーターとコボットが平等に協力してギアボックスを組み立てる組み立てシナリオを紹介します。この

CNN

transfer learning

human

video

dataset

arXiv

attention

gaze

arXiv reaDer
リンク
Diff-ID: DeepFake 検出のための説明可能な同一性差異定量化フレームワーク
arxiv_reader 2023/04/03
DeepFake の偽造検出アルゴリズムは、既知の操作に対して優れたパフォーマンスを達成したという事実にもかかわらず、目に見えない操作に一般化すると、悲惨なパフォーマンスの低下に直面することがよくあり

compression

person

face

detection

arXiv

deepfake

explainable

metric

arXiv reaDer
リンク
今日の継続的学習アルゴリズムはどれほど効率的ですか?
arxiv_reader 2023/04/03
教師あり継続的学習では、増え続けるラベル付きデータのストリームからディープニューラルネットワーク (DNN) を更新します。ほとんどの研究は壊滅的な忘却を克服することに焦点を当てていますが、継続的

dataset

arXiv

attention

learning

DNN

arXiv reaDer
リンク
Robo3D: 破損に対するロバストで信頼性の高い 3D 認識に向けて
arxiv_reader 2023/04/03
環境やセンサーからの自然な破損の下での 3D 認識システムの堅牢性は、安全性が重要なアプリケーションにとって極めて重要です。既存の大規模な 3D 知覚データセットには、細心の注意を払ってクリーニングさ

3D

dataset

augmentation

detection

arXiv

benchmark

adversarial

representation

OOD

arXiv reaDer
リンク
継続学習における補助ネットワークを介した安定性と可塑性のトレードオフの改善の達成
arxiv_reader 2023/04/03
新しいタスクを逐次的に学習する人間の自然な能力とは対照的に、ニューラルネットワークは、新しいタスクに最適化された後、古いタスクでのモデルのパフォーマンスが劇的に低下する壊滅的な忘却に悩まされることが

arXiv

learning

arXiv reaDer
リンク
https://arxiv-check-250201.firebaseapp.com/each/2205.02830v4
arxiv_reader 2023/04/03
人間は、ドアを開けたり、家具を動かしたりするなどの相互作用を通じて、環境を自然に変化させます。仮想空間 (メタバースなど) でこのような相互作用を再現するには、理想的には自己中心的な入力のみ (ヘッド

reasoning

human

person

tracking

arXiv

localization

pose estimation

arXiv reaDer
リンク
半教師あり回帰深層学習モデルを使用した古い絵画の平織りのスレッドカウント
arxiv_reader 2023/04/03
この作業では、平織りキャンバス分析のスレッド密度推定を実行するために、深層学習に基づく回帰アプローチを開発しています。以前のアプローチはフーリエ解析に基づいていました。これは、いくつかのシナリオでは非

arXiv

estimation

segmentation

learning

arXiv reaDer

semi-supervised
リンク
自動運転のためのオンラインカメラ対地キャリブレーション
arxiv_reader 2023/04/03
カメラから地面へのオンラインキャリブレーションは、リアルタイムでカメラと路面の間の非剛体変換を生成することです。既存のソリューションは静的キャリブレーションを利用しており、タイヤの空気圧の変化、車両

vehicle

real time

monocular

autonomous driving

detection

arXiv

odometry

metric

arXiv reaDer
リンク
タスク演算によるモデルの編集
arxiv_reader 2023/04/03
事前トレーニング済みのモデルの動作を変更する (たとえば、ダウンストリームタスクでのパフォーマンスを改善したり、事前トレーニング中に学習したバイアスを軽減したりする) ことは、機械学習システムを開発

bias

pre-training

arXiv

learning

arXiv reaDer
リンク
Fantastic Breaks: 現実世界の壊れたオブジェクトとそれらの完全な対応物のペアの 3D スキャンのデータセット
arxiv_reader 2023/04/03
現在、自動化された形状修復アプローチでは、実際の破損したジオメトリを記述するデータセットにアクセスできません。 Fantastic Breaks (およびそれらを見つける場所: https://ter

pre-training

3D

dataset

arXiv

mesh

synthesis

arXiv reaDer
リンク
AutoKary2022: 染色体インスタンスセグメンテーションのための大規模で高密度に注釈が付けられたデータセット
arxiv_reader 2023/04/03
中期細胞の顕微鏡画像から自動化された染色体インスタンスのセグメンテーションは、染色体障害の診断 (すなわち、核型分析) にとって重要です。ただし、高密度に注釈が付けられたデータセットが不足していること

dataset

detection

arXiv

segmentation

arXiv reaDer
リンク
- 2023年4月4日
- 2023年4月3日
- 2023年3月31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