arxiv_readerのブックマーク / 2023年4月20日 - はてなブックマーク

arxiv_reader id:arxiv_reader

2023年4月20日のブックマーク (122件)

LipsFormer: ビジョントランスフォーマーに Lipschitz Continuity を導入
arxiv_reader 2023/04/20
LipsFormer と呼ばれる Lipschitz 連続 Transformer を提示し、Transformer ベースのモデルのトレーニングの安定性を理論的および経験的に追求します。学習率のウォ

dataset

residual

arXiv reaDer

arXiv

transformer

learning

attention
リンク
トランスフォーマーベースのビジュアルセグメンテーション: 調査
arxiv_reader 2023/04/20
ビジュアルセグメンテーションは、画像、ビデオフレーム、または点群を複数のセグメントまたはグループに分割しようとします。この技術は、自動運転、画像編集、ロボットセンシング、医療分析など、数多くの実世

autonomous driving

recurrent

arXiv reaDer

3D

point cloud

segmentation

convolutional

transformer

arXiv
リンク
Chameleon: 大規模な言語モデルを使用したプラグアンドプレイの構成推論
arxiv_reader 2023/04/20
大規模言語モデル (LLM) は、さまざまな自然言語処理タスクにおいて、創発的な能力で目覚ましい進歩を遂げています。ただし、最新の情報にアクセスできない、外部ツールを利用できない、正確な数学的推論を実

few-shot

arXiv reaDer

face

reasoning

python

arXiv
リンク
Dyna-DM: 動的オブジェクト認識自己監視単眼深度マップ
arxiv_reader 2023/04/20
自己教師あり単眼深度推定は、ロボット工学や自動運転への応用により、近年集中的な研究の対象となっています。最近の研究の多くは、アーキテクチャの複雑さを増すことによって深度推定を改善することに焦点を当てて

autonomous driving

estimation

arXiv reaDer

monocular

pose

self-supervised

learning

arXiv
リンク
NoisyQuant: ビジョントランスフォーマー向けのノイジーバイアス強化トレーニング後の活性化量子化
arxiv_reader 2023/04/20
ビジョントランスフォーマーの複雑なアーキテクチャと高いトレーニングコストは、トレーニング後の量子化の調査を促します。ただし、ビジョントランスフォーマーの活性化の裾の重い分布は、高度な量子化器の設

bias

arXiv reaDer

quantization

transformer

arXiv
リンク
VMA: 大規模な運転シーン向けの分割統治型ベクトル化地図注釈システム
arxiv_reader 2023/04/20
高精細 (HD) マップは、自動運転の不可欠なインフラとして機能します。この作業では、大規模な運転シーンの HD マップを効率的に生成するための体系的なベクトル化されたマップアノテーションフレーム

autonomous driving

arXiv reaDer

human

representation

arXiv
リンク
MetaBEV: BEV 検出とマップセグメンテーションのためのセンサー障害の解決
arxiv_reader 2023/04/20
最新の自動運転車両の認識システムは、通常、LiDAR やカメラなどの補完的なマルチモーダルセンサーから入力を受け取ります。ただし、実際のアプリケーションでは、センサーの破損や障害がパフォーマンスの低

dataset

autonomous driving

arXiv reaDer

3D

multi-task

detection

segmentation

LiDAR

arXiv
リンク
イベントベースの同時ローカリゼーションとマッピング: 包括的な調査
arxiv_reader 2023/04/20
ここ数十年で、視覚同時ローカリゼーションおよびマッピング (vSLAM) は、学界と産業界の両方で大きな関心を集めています。カメラの動きを推定し、移動ロボットの視覚センサーを使用して環境を同時に再構築

benchmark

arXiv reaDer

robot

localization

learning

representation

arXiv
リンク
AMT: 効率的なフレーム補間のための全対マルチフィールド変換
arxiv_reader 2023/04/20
ビデオフレーム補間のための新しいネットワークアーキテクチャである All-Pairs Multi-Field Transforms (AMT) を紹介します。それは2つの本質的なデザインに基づいて

video

benchmark

arXiv reaDer

arXiv
リンク
人間の手によるデモンストレーションのビデオからの自動インタラクションおよびアクティビティ認識と異常検出への応用
arxiv_reader 2023/04/20
この論文では、手動タスクのビデオデモンストレーション内の相互作用と活動の両方を認識するために、オブジェクトと手の間の時空間的関係を記述する新しい方法を提示します。このアプローチでは、シーングラフを

video

clustering

arXiv reaDer

spatio-temporal

segmentation

activity

anomaly detection

human

arXiv
リンク
NeuralField-LDM: 階層的潜在拡散モデルによるシーン生成
arxiv_reader 2023/04/20
高品質の現実世界の 3D シーンを自動的に生成することは、仮想現実やロボットシミュレーションなどのアプリケーションにとって非常に興味深いものです。この目標に向けて、複雑な 3D 環境を合成できる生成

arXiv reaDer

3D

generative

pose

simulation

synthesis

representation

arXiv
リンク
タスク損失ガイド付き Lp メトリックを使用したオブジェクト検出のトレーニング後の量子化の改善
arxiv_reader 2023/04/20
オブジェクト検出ネットワークの効率的な推論は、エッジデバイスの主要な課題です。完全精度のモデルを低ビット幅に直接変換するトレーニング後の量子化 (PTQ) は、モデルの推論の複雑さを軽減するための効

arXiv reaDer

arXiv

3D

quantization

detection

metric

edge device
リンク
Transformer ベースのモデルを使用したロバストな人間の動きの予測
arxiv_reader 2023/04/20
人間の動きを理解することは、人間とロボットの協働アプリケーションを開発するための基本的な課題です。コンピュータービジョンの研究者は、予測のエラーを減らすことのみに焦点を当て、ロボットへの実装を容易に

computer vision

dataset

arXiv reaDer

real time

3D

spatio-temporal

reconstruction

transformer

human

arXiv
リンク
注意ベースのシャム複合ニューラルネットワークの医用画像認識への応用
arxiv_reader 2023/04/20
医用画像認識は、実際のアプリケーションではデータが不十分であるという問題に直面することがよくあります。少数ショット条件下での画像認識と処理は、オーバーフィッティング、低い認識精度、低い信頼性、および不

few-shot

arXiv reaDer

arXiv

face

occlusion

classification

attention
リンク
冷凍ビジョン変圧器の入力ベースの適応のためのプロンプト生成ネットワーク
arxiv_reader 2023/04/20
コンピュータービジョンにトランスフォーマーアーキテクチャが導入されたことで、モデルの規模を拡大することが、パフォーマンスとロバスト性の向上を達成するための明確な道筋であることが実証されました。ただ

pre-training

computer vision

dataset

adaptation

arXiv reaDer

transformer

learning

arXiv
リンク
GMConv: 畳み込みカーネルの有効受容野の変調
arxiv_reader 2023/04/20
畳み込みニューラルネットワークでは、畳み込みは通常、N × N の受容野 (RF) が固定された正方形のカーネルを使用して実行されます。ただし、ネットワークにとって最も重要なのは、入力ピクセルが出力

arXiv reaDer

classification

CNN

detection

arXiv
リンク
エンドツーエンドの車両軌跡予測フレームワーク
arxiv_reader 2023/04/20
隣接する車両の動きを予測することは、自動運転にとって非常に重要です。特に、わずかな動きの変化でも壊滅的な衝突につながる可能性がある混雑した高速道路では重要です。将来の軌道の正確な予測は、以前の軌道に依

dataset

autonomous driving

arXiv reaDer

3D

trajectory

vehicle

simulation

LSTM

video

arXiv
リンク
CAD モデルからソフトポイントクラウドラベルまで: 安価に監視された 3D セマンティックセグメンテーションのための自動注釈パイプライン
arxiv_reader 2023/04/20
一連のフィッティングされたCADモデルを入力として生の3D点群を取り、点群セグメンテーションの安価なトレーニングデータとして使用できる説得力のある点ごとのラベルを出力する、完全に自動化された注釈スキー

3D

arXiv reaDer

arXiv

semantic segmentation

point cloud

dataset
リンク
CADRE：視覚ベースの自律都市運転のためのカスケード深層強化学習フレームワーク
arxiv_reader 2023/04/20
複雑な都市環境と運転行動のダイナミクスのため、密集した交通における視覚ベースの自律的な都市運転は非常に困難です。広く適用されている方法は、手作りのルールに大きく依存しているか、限られた人間の経験から学

dataset

benchmark

arXiv reaDer

human

reinforcement learning

arXiv
リンク
骨格関節を使用したリハビリテーション運動の繰り返しのセグメンテーションとカウント
arxiv_reader 2023/04/20
運動は、生活の質を改善し、死亡率と再入院率を低下させるリハビリテーションプログラムに不可欠な要素です。 AI 主導の仮想リハビリテーションプログラムでは、患者が自宅で自分でエクササイズを完了し、A

computer vision

dataset

arXiv reaDer

segmentation

activity

video

arXiv
リンク
サブスペース学習ベースの 1 クラス分類によるハイパースペクトル画像解析
arxiv_reader 2023/04/20
ハイパースペクトル画像 (HSI) 分類は、環境モニタリング、医療画像処理、土地利用/土地被覆 (LULC) 分類など、多くのアプリケーションで重要なタスクです。最近の HSI センサーからの大量のス

classification

learning

arXiv reaDer

arXiv
リンク
Any-to-Any スタイルトランスファー: ピカソとダヴィンチのコラボレーション
arxiv_reader 2023/04/20
スタイル転送は、スタイル参照用の特定の画像のスタイルを、コンテンツ参照用の別の特定の画像にレンダリングすることを目的としており、芸術的生成および画像編集で広く採用されています。既存のアプローチでは、ス

segmentation

attention

arXiv reaDer

arXiv
リンク
オペレーショナル U-Net を使用したアクティブな火災検知の改善
arxiv_reader 2023/04/20
地球温暖化と気候変動の結果、世界中の多くの地域で山火事のリスクと範囲が拡大しています。気温が高く乾燥した状態では、火災が急速に広がり、制御が難しくなる可能性があります。したがって、環境モニタリングでは

arXiv reaDer

detection

U-Net

satellite

arXiv
リンク
UniCal: カメラから LiDAR へのキャリブレーションと検証のためのシングルブランチトランスベースのモデル
arxiv_reader 2023/04/20
Camera-to-LiDAR (C2L) 外部キャリブレーション用の新しいアーキテクチャ UniCal を導入します。このアーキテクチャは、Transformer ベースのバックボーンネットワーク

autonomous driving

arXiv reaDer

transfer learning

representation

LiDAR

arXiv
リンク
舞台裏: シングルビュー再構成の密度フィールド
arxiv_reader 2023/04/20
単一の画像から意味のある幾何学的シーン表現を推測することは、コンピュータービジョンの基本的な問題です。従来の深度マップ予測に基づくアプローチでは、画像に表示されている領域についてのみ推論できます。現

computer vision

dataset

arXiv reaDer

3D

depth prediction

self-supervised

reconstruction

synthesis

representation

arXiv
リンク
概念ベクトルによるニューロン表現のもつれの解消
arxiv_reader 2023/04/20
機械的解釈可能性は、ニューラルネットワークを解釈可能な単位に分解することにより、モデルがどのように表現を格納するかを理解することを目的としています。ただし、多意味ニューロン、または複数の無関係な機能

representation

arXiv reaDer

disentangling

arXiv
リンク
学習可能な Earth パーサー: 空中スキャンで 3D プロトタイプを発見する
arxiv_reader 2023/04/20
現実世界のシーンの大規模な 3D スキャンを解釈可能な部分に解析するための教師なしの方法を提案します。私たちの目標は、アプリケーション固有のユーザー注釈に依存することなく、航空測量とマッピングのコンテ

dataset

arXiv reaDer

3D

point cloud

reconstruction

unsupervised

semantic segmentation

LiDAR

arXiv
リンク
CrossFusion: ノイズに強い 3D オブジェクト検出のためのインターリーブクロスモーダル補完
arxiv_reader 2023/04/20
最近の研究によると、LiDAR とカメラモダリティの組み合わせは、3D オブジェクト検出に必要であり、典型的であることが証明されています。既存の融合戦略は、本質的にLiDARモーダルに過度に依存する

domain

estimation

arXiv reaDer

3D

detection

LiDAR

arXiv
リンク
DarSwin: 歪みを考慮したラジアルスイングトランスフォーマー
arxiv_reader 2023/04/20
広角レンズは、広い視野を必要とする知覚タスクで一般的に使用されます。残念ながら、これらのレンズは大きな歪みを生じ、歪みの影響を無視する従来のモデルでは広角画像に適応できません。このホワイトペーパーでは

adaptation

arXiv reaDer

zero-shot

classification

transformer

embedding

arXiv
リンク
TokenMix：ビジョントランスフォーマーのデータ拡張のための画像ミキシングの再考
arxiv_reader 2023/04/20
CutMixは、最新の畳み込みおよびトランスフォーマービジョンネットワークのトレーニングに一般的に使用される一般的な拡張手法です。もともとは、畳み込みニューラルネットワーク（CNN）がローカル情報では

pre-training

arXiv reaDer

occlusion

CNN

convolutional

transformer

learning

augmentation

arXiv
リンク
安定した拡散による画像操作のための高度にパーソナライズされたテキスト埋め込み
arxiv_reader 2023/04/20
拡散モデルは、画像の生成と操作において優れたパフォーマンスを示していますが、固有の確率性により、画像の内容とアイデンティティの保存と操作に課題が生じます。 DreamBooth や Textual I

representation

arXiv reaDer

embedding

arXiv
リンク
ニューラルラディアンスフィールドの参照ガイド付き制御可能なインペインティング
arxiv_reader 2023/04/20
ビュー合成用の Neural Radiance Fields (NeRF) の人気により、NeRF 編集ツールが必要になりました。ここでは、ビューの一貫性と制御可能な方法で領域を修復することに焦点を当

monocular

arXiv reaDer

3D

synthesis

arXiv
リンク
CMID: リモートセンシング画像理解のための統合自己教師あり学習フレームワーク
arxiv_reader 2023/04/20
自己教師あり学習 (SSL) は、人間が注釈を付けたラベルなしでタスクに依存しない表現を学習できるため、リモートセンシング (RS) および地球観測 (EO) コミュニティで広く注目されています。そ

attention

arXiv reaDer

representation learning

CNN

detection

self-supervised

transformer

semantic segmentation

contrastive learning

arXiv
リンク
ラベル付けされていないビデオデータに基づくパターン化された孤立種の自動個体識別
arxiv_reader 2023/04/20
カメラトラップからのビデオの手動処理と分析は時間がかかり、誤ってトリガーされた映像のフィルタリングから個人の識別と再識別まで、いくつかの手順が含まれます。この研究では、手動操作を必要とせずに、カメラ

computer vision

dataset

arXiv reaDer

CNN

identification

video

learning

human

augmentation

arXiv
リンク
顕微鏡の in situ ハイブリダイゼーション画像の分析と分類のためのオートエンコーダーの最適化
arxiv_reader 2023/04/20
現在、顕微鏡の In Situ ハイブリダイゼーション画像の分析は、専門家によって手動で行われています。このような顕微鏡画像の正確な評価と分類は、専門家の作業を容易にし、データに関するさらなる洞察を明

arXiv reaDer

arXiv

classification

learning

metric

unsupervised
リンク
FLAG3D: 言語指導付きの 3D フィットネスアクティビティデータセット
arxiv_reader 2023/04/20
世界中で絶え間なく人気が高まっているフィットネス活動分析は、コンピュータービジョンの新たな研究トピックになっています。最近、さまざまな新しいタスクやアルゴリズムが提案されていますが、高品質のデータ、

computer vision

dataset

video

arXiv reaDer

3D

pose

activity

action recognition

human

arXiv
リンク
オブジェクト検出のための未知のスニファー: 未知のオブジェクトに目をつぶらないでください
arxiv_reader 2023/04/20
最近提案されたオープンワールドオブジェクトとオープンセット検出は、これまでに見たことのないオブジェクトを見つけて、それらを既知のものと区別するというブレークスルーを達成しました。しかし、既知のクラスか

detection

benchmark

arXiv reaDer

arXiv
リンク
BASiS: バッチアラインされたスペクトル埋め込みスペース
arxiv_reader 2023/04/20
グラフは非常に一般的で多様な表現であり、ほとんどすべてのデータ処理の問題に適しています。スペクトルグラフ理論は、堅実な線形代数理論に裏打ちされた強力なアルゴリズムを提供することが示されています。した

arXiv reaDer

classification

embedding

learning

representation

arXiv
リンク
少数ショット医用画像セグメンテーションのための相互参照変換器
arxiv_reader 2023/04/20
医用画像処理の矛盾、つまり、医用画像のアプリケーションがますます広くなり、医用画像の制限にラベルを付けることが困難になるため、医療画像の分野で少数ショット学習技術がより注目され始めています。処理。この

few-shot

dataset

arXiv reaDer

arXiv

segmentation

MRI

CT

transformer

attention
リンク
CHATTY: 監視されていないドメイン適応のための歩留まりと結合された全体的な敵対的トランスポート条件
arxiv_reader 2023/04/20
CHATTY と呼ばれる新しい手法を提案します。これは、教師なしドメイン適応のための歩留まりを伴う全体論的敵対的トランスポート条件の結合です。敵対的トレーニングは、ドメイン弁別ヘッドからの勾配を逆にし

dataset

adversarial

arXiv reaDer

arXiv

domain adaptation

benchmark

learning

representation

unsupervised
リンク
DCELANM-Net:学習器を備えたデュアルチャネル効率的なレイヤーアグリゲーションネットワークに基づく医療画像セグメンテーション
arxiv_reader 2023/04/20
この記事で紹介する DCELANM-Net 構造は、Dual Channel Efficient Layer Aggregation Network (DCELAN) と Micro Masked A

residual

arXiv reaDer

segmentation

self-supervised

learning

arXiv
リンク
半教師あり学習のグラフラプラシアン
arxiv_reader 2023/04/20
半教師あり学習は、ラベル付けされたデータが少なく、ラベル付けされていないデータが豊富な一般的なシナリオで非常に役立ちます。グラフ (または非局所) ラプラシアンは、さまざまな学習タスクを解決するための

contrastive

clustering

arXiv reaDer

arXiv

classification

semi-supervised

learning

embedding

unsupervised
リンク
MMDR: 自律システムのための結果機能融合オブジェクト検出アプローチ
arxiv_reader 2023/04/20
物体検出は、近年、自律システムで広く利用されており、2D と 3D の両方の物体検出が含まれています。この分野の最近の研究は、主にこの問題に対処するためのマルチモーダルアプローチに集中しています。こ

arXiv reaDer

3D

detection

representation

arXiv
リンク
クリップを対照してビデオを要約することを学ぶ
arxiv_reader 2023/04/20
ビデオの要約は、元のストーリーにできるだけ近いストーリーを語るビデオの部分を選択することを目的としています。既存のビデオ要約アプローチのほとんどは、手作りのラベルに焦点を当てています。ビデオの数が指数

benchmark

arXiv reaDer

arXiv

differentiable

video

contrastive learning

unsupervised
リンク
HiLo Attention を搭載した Fast Vision トランスフォーマー
arxiv_reader 2023/04/20
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における最新かつ重要なブレイクスルーの引き金となっています。それらの効率的な設計は、計算の複雑さの間接的な指標、つまり FLOP

computer vision

arXiv reaDer

arXiv

classification

detection

segmentation

transformer

metric

attention
リンク
DADFNet: ビデオを活用したインテリジェント輸送のための二重注意および二重周波数誘導かすみ除去ネットワーク
arxiv_reader 2023/04/20
視覚監視技術は、高度な交通管理システムに不可欠な機能コンポーネントです。物体の検出、追跡、認識などの交通監視タスクを実行するために適用されています。しかし、霧、もや、もやなどの悪天候は、ビデオベースの

arXiv reaDer

arXiv

real time

tracking

detection

pose

reconstruction

synthesis

attention
リンク
SLIC: 学習した画像圧縮のための大規模受容野を備えた自己調整適応変換
arxiv_reader 2023/04/20
学習した画像圧縮は驚くべき性能を達成しました。トランスフォームは、RD パフォーマンスを向上させる上で重要な役割を果たします。分析変換は、入力画像をコンパクトな潜在表現に変換します。潜在表現がコンパク

dataset

residual

domain

arXiv reaDer

arXiv

convolutional

transformer

synthesis

embedding

attention
リンク
表現の制約は、自分が知らないことを知っているモデルを生み出す
arxiv_reader 2023/04/20
ニューラルネットワークのよく知られた失敗モードは、誤った予測を自信を持って返す可能性があることです。このような安全でない動作は、ユースケースがトレーニングコンテキストとわずかに異なる場合、および

action

arXiv reaDer

arXiv

representation

pre-training
リンク
Chaos to Order: ソースフリードメイン適応に関するラベル伝搬の視点
arxiv_reader 2023/04/20
事前にトレーニングされたソースモデルのみを使用してターゲットディストリビューションに適応させるソースフリードメイン適応 (SFDA) は、現実世界でドメイン適応を達成するためのより一般的なアプロ

pre-training

clustering

arXiv reaDer

arXiv

affinity

learning

domain adaptation
リンク
組織病理学における堅牢な画像セグメンテーションのための現実的なデータ強化
arxiv_reader 2023/04/20
組織病理学的全スライド画像 (WSI) における定量分析のパフォーマンスの低下は、臨床診療における重大な障害となっています。大規模な WSI に手動で注釈を付けるのは、困難で時間のかかる作業であり、完

dataset

domain

arXiv reaDer

classification

segmentation

learning

human

augmentation

arXiv
リンク
自己修正疑似ステレオによる単一ビュービュー合成
arxiv_reader 2023/04/20
単一のビュー画像から新しいビューを合成することは、非常に不適切な問題です。シングルビュービュー合成問題をマルチビュー設定に拡張することにより、学習のあいまいさを減らす効果的な解決策を発見しました。具体

learning

arXiv reaDer

3D

stereo

reconstruction

synthesis

representation

pruning

arXiv
リンク
ダウンサンプリングされた不変性損失と条件付きブラインドスポットネットワークを使用した自己教師あり画像のノイズ除去
arxiv_reader 2023/04/20
ディープニューラルネットワークを使用した多くの画像デノイザーがあり、従来のモデルベースの方法よりも大幅に優れています。最近、教師ありトレーニング用の大規模な実際のノイズデータセットを構築すること

dataset

denoising

arXiv reaDer

arXiv

self-supervised

synthesis

attention
リンク
SceneDreamer: 2D 画像コレクションからの無限の 3D シーン生成
arxiv_reader 2023/04/20
この作業では、ランダムノイズから大規模な 3D ランドスケープを合成する、境界のない 3D シーンの無条件生成モデルである SceneDreamer を紹介します。私たちのフレームワークは、3D 注

adversarial

arXiv reaDer

3D

generative

disentangling

learning

representation

arXiv
リンク
サンプリングは重要です: ポイントガイドによる 3D ヒューマンメッシュの再構築
arxiv_reader 2023/04/20
この論文では、単一の RGB 画像から 3D ヒューマンメッシュを再構築するためのシンプルかつ強力な方法を紹介します。ごく最近では、メッシュ頂点全体の非局所相互作用がトランスフォーマーで効果的に推定

dataset

benchmark

arXiv reaDer

arXiv

3D

pose

reconstruction

transformer

human

attention
リンク
FLAIR #1: セマンティックセグメンテーションとドメイン適応データセット
arxiv_reader 2023/04/20
フランス国立地理森林情報研究所 (IGN) は、フランス領土の土地被覆を記録および測定することを使命としており、高解像度の航空画像や地形図などの参照用の地理データセットを提供しています。土地被覆の監視

dataset

learning

arXiv reaDer

arXiv

semantic segmentation

domain adaptation
リンク
一般化可能な個人の再識別のためのロバストな視覚的セマンティック埋め込みの学習
arxiv_reader 2023/04/20
一般化可能な個人の再識別 (Re-ID) は、機械学習とコンピュータービジョンにおける非常にホットな研究トピックであり、公安やビデオ監視でのさまざまなアプリケーションにより、現実的なシナリオで重要な

computer vision

domain

benchmark

arXiv reaDer

re-id

dataset

representation learning

transformer

embedding

arXiv
リンク
地球監視の基礎モデルに向けて: 自然災害セグメンテーションのための一般化可能な深層学習モデル
arxiv_reader 2023/04/20
気候変動は、社会や企業を地球規模で危険にさらす極端な気象現象の可能性を高めます。したがって、自然災害の救援、リスク管理、および政府の政策決定への情報提供をサポートするために、自然災害のほぼリアルタイム

pre-training

domain

arXiv reaDer

real time

segmentation

U-Net

learning

satellite

arXiv
リンク
DiFaReli: 拡散面リライティング
arxiv_reader 2023/04/20
野生でのシングルビューの顔の再照明に対する新しいアプローチを紹介します。グローバルイルミネーションやキャストシャドウなどの非拡散効果の処理は、長い間顔のリライティングにおける課題でした。以前の作業

benchmark

arXiv reaDer

estimation

3D

face

disentangling

arXiv
リンク
MD-VQA: UGC ライブ動画の多次元品質評価
arxiv_reader 2023/04/20
ユーザー生成コンテンツ (UGC) のライブビデオは、キャプチャ手順中にさまざまな歪みに悩まされることが多く、さまざまな視覚的品質を示します。このようなソースビデオは、エンドユーザーに配布される

video

VQA

arXiv reaDer

arXiv
リンク
アンカーガイドクラスタリングと時空間整合性 ID 再割り当てによるマルチカメラ人物追跡の強化
arxiv_reader 2023/04/20
特に小売店、医療センター、交通機関のハブなどの環境で、正確で効率的な屋内人物追跡システムの需要が高まっているため、マルチカメラの複数人物追跡はますます重要な研究分野になっています。クロスカメラの再識別

dataset

clustering

arXiv reaDer

re-id

tracking

spatio-temporal

synthesis

arXiv
リンク
バイバイン文字インスタンス検出
arxiv_reader 2023/04/20
フィリピン政府は最近、フィリピンのテキストでバイバインを使用することを促進する「National Writing System Act」を可決しました。 Baybayin の使用を促進するこの取り組み

computer vision

arXiv reaDer

classification

CNN

detection

segmentation

learning

arXiv
リンク
MOTRv2: 事前トレーニング済みのオブジェクト検出器によるエンドツーエンドのマルチオブジェクト追跡のブートストラップ
arxiv_reader 2023/04/20
このホワイトペーパーでは、MOTRv2 を提案します。MOTRv2 は、事前トレーニング済みのオブジェクト検出器を使用して、エンドツーエンドのマルチオブジェクトトラッキングをブートストラップするた

dataset

benchmark

arXiv reaDer

detection

learning

MOT

arXiv
リンク
MAMAF-Net: 脳卒中診断のためのモーション認識およびマルチ注意融合ネットワーク
arxiv_reader 2023/04/20
脳卒中は、世界中の死亡率と身体障害の主要な原因であり、4 人に 1 人が一生のうちに発症する危険があります。入院前の脳卒中評価は、脳卒中患者を正確に特定し、病院でのさらなる検査と治療を加速する上で重要

dataset

arXiv reaDer

arXiv

3D

face

detection

convolutional

video

attention
リンク
HyperStyle3D: ハイパーネットワークを介したテキストガイドによる 3D ポートレートスタイル設定
arxiv_reader 2023/04/20
ポートレートの様式化は、広範なアプリケーションを可能にする長年の課題です。 2D ベースの手法は近年大きな進歩を遂げていますが、メタバースやゲームなどの実世界のアプリケーションでは 3D コンテンツが

domain

arXiv reaDer

face

3D

GAN

representation

arXiv
リンク
ネットワークプルーニングスペース
arxiv_reader 2023/04/20
ウェイトプルーニングやフィルタープルーニングなどのネットワークプルーニング手法により、ほとんどの最先端のニューラルネットワークを、パフォーマンスを大幅に低下させることなく高速化できることが明ら

learning

arXiv reaDer

pruning

arXiv
リンク
EC^2: 具現化された制御のための緊急通信
arxiv_reader 2023/04/20
具現化された制御では、エージェントがマルチモーダルの事前トレーニングを活用して、新しい環境での行動方法を迅速に学習する必要があります。ビデオデモには、低レベルの知覚と制御に必要な視覚的および動作の詳

pre-training

few-shot

benchmark

arXiv reaDer

arXiv

video

representation

contrastive learning

unsupervised
リンク
3D サーフェス解析用の連続フィルターを使用したメッシュ畳み込み
arxiv_reader 2023/04/20
3D サーフェスの幾何学的特徴の学習は、コンピューターグラフィックスや 3D ビジョンの多くのアプリケーションにとって重要です。ただし、ディープラーニングは現在、必要な操作や効率的な実装が不足してい

benchmark

arXiv reaDer

3D

segmentation

mesh

convolutional

pooling

learning

arXiv
リンク
3D オブジェクト検出における密度に依存しない教師なしドメイン適応
arxiv_reader 2023/04/20
点群からの 3D オブジェクト検出は、安全性が重要な自動運転において非常に重要です。多くの研究がこのタスクに多大な努力を払い、大きな進歩を遂げましたが、それらのほとんどは、高価な注釈コストと、ドメイン

pre-training

autonomous driving

domain

arXiv reaDer

3D

point cloud

detection

unsupervised

LiDAR

arXiv
リンク
DarkVisionNet: 事前に深い不一致がある RGB-NIR 融合による低照度イメージング
arxiv_reader 2023/04/20
RGB-NIR 融合は、低照度イメージングの有望な方法です。ただし、低照度画像の高強度ノイズは、既存のアルゴリズムに失敗する RGB-NIR 画像間の構造の不一致の影響を増幅します。これを処理するため

dataset

domain

benchmark

arXiv reaDer

arXiv
リンク
セマンティック境界によるセマンティックセグメンテーションの強化
arxiv_reader 2023/04/20
このホワイトペーパーでは、セマンティック境界条件付きバックボーン (SBCB) フレームワークを紹介します。これは、モデルにとらわれず、特に境界周辺でセグメンテーションパフォーマンスを向上させるシ

dataset

arXiv reaDer

multi-task

classification

detection

transformer

semantic segmentation

arXiv
リンク
確率的表現を使用したロングテール分類の分離トレーニング
arxiv_reader 2023/04/20
表現学習と分類子学習の分離は、ロングテールデータの分類に効果的であることが示されています。切り離された学習スキームを構築するには、主に 2 つの要素があります。 1) 一般化可能な表現を提供するよう

benchmark

arXiv reaDer

estimation

classification

representation learning

arXiv
リンク
影響力のあるランク: ノイズの多いラベルに対する堅牢なモデルのトレーニング後の新しい視点
arxiv_reader 2023/04/20
ディープニューラルネットワークは、その容量が大きいため、ノイズの多いラベルにも簡単にオーバーフィットする可能性があり、モデルの汎化パフォーマンスが低下します。この問題を克服するために、ポストトレー

pre-training

dataset

benchmark

arXiv reaDer

learning

synthesis

arXiv
リンク
深層学習によるデータ隠蔽: 電子透かしとステガノグラフィーを統合する調査
arxiv_reader 2023/04/20
データ隠蔽にディープラーニング技術を使用することで、安全な通信と本人確認の分野の進歩が大幅に増加しています。オーディオ、ビデオ、または画像などの耐ノイズ信号に情報を埋め込むことにより、電子透かしおよび

dataset

arXiv reaDer

video

learning

embedding

metric

arXiv
リンク
ASM: 高品質の 3D 顔モデリングのための適応スキニングモデル
arxiv_reader 2023/04/20
パラメトリック顔モデルと 3D 顔再構成の研究分野は、広く研究されています。ただし、特定の再構成設定に合わせて顔モデルを調整する方法という重大な問題は未解決のままです。マルチビューのキャリブレーション

benchmark

arXiv reaDer

arXiv

3D

face

reconstruction

attention
リンク
TieFake: タイトルとテキストの類似性と感情を意識したフェイクニュースの検出
arxiv_reader 2023/04/20
フェイクニュースの検出は、ソーシャルメディアプラットフォームで広く拡散しているフェイクニュースを検出することを目的としています。ニュースの画像、テキスト、またはビデオから関連情報を活用するため

dataset

video

arXiv reaDer

arXiv

detection

representation

emotion

BERT

attention
リンク
ソーシャルメディア時代における画像操作検知の有効性について
arxiv_reader 2023/04/20
局所的な異常を識別するように設計された画像操作検出アルゴリズムは、多くの場合、操作された領域が画像内の改ざんされていない領域と「十分に」異なることに依存しています。ただし、このような異常は、高品質の操

dataset

residual

benchmark

arXiv reaDer

anomaly

detection

arXiv
リンク
FIRE で FIRe と戦う: Text-to-Video 検索ベンチマークの妥当性の評価
arxiv_reader 2023/04/20
テキストの説明を含むビデオの山を検索することは、コアのマルチモーダル検索タスクです。テキストからビデオへの検索専用に構築されたデータセットがないため、ビデオキャプションデータセットは、(1) キャ

dataset

benchmark

arXiv reaDer

captioning

video

metric

arXiv
リンク
ウェーブレットは敵対的ロバスト性でサルを打ち負かす
arxiv_reader 2023/04/20
ニューラルネットワークの敵対的ノイズ (目に見えないデータの悪意のある摂動) に対する堅牢性を向上させる研究は、大きな注目を集めています。堅牢なディープニューラルネットワークを取得するための現在

adversarial

benchmark

attention

arXiv reaDer

arXiv

representation

human

CNN
リンク
ナレッジグラフとマルチスケールデータ統合による高度な地理的概念の推論: C 型の建物パターン認識のケーススタディ
arxiv_reader 2023/04/20
効果的な建物パターン認識は、都市形態の理解、マップの一般化の自動化、および 3D 都市モデルの視覚化に不可欠です。既存の研究のほとんどは、視覚認識ルールと近接グラフモデルに基づくオブジェクトに依存し

arXiv reaDer

3D

reasoning

human

arXiv
リンク
BATFormer: 効率的な医用画像セグメンテーションのための境界認識軽量トランスフォーマーに向けて
arxiv_reader 2023/04/20
目的: CNN の不十分な受容野を改善するために生まれたトランスフォーマーは、最近爆発的な注目を集めています。ただし、グローバル表現学習の困難な計算の複雑さと、厳格なウィンドウ分割により、医療画像セグ

dataset

attention

arXiv reaDer

representation learning

CNN

segmentation

transformer

arXiv
リンク
SP-BatikGAN: 対称パターン生成のための効率的な敵対的生成ネットワーク
arxiv_reader 2023/04/20
AI アートの論争に続いて、私たちの研究は、限られたデータと設定で AI アートを作成するために、すべての人、特にアーティストに AI をもたらすことに焦点を当てています。ポルトガル、モロッコのタイル

attention

arXiv reaDer

GAN

arXiv
リンク
ノイズ除去拡散医療モデル
arxiv_reader 2023/04/20
この研究では、多数の放射線画像/ラベルのペアを合成できる生成モデルを導入するため、生物医学画像分析のセグメンテーションなどの下流のアクティビティに漸近的に有利です。提案された手法であるノイズ除去拡散医

dataset

denoising

arXiv reaDer

generative

segmentation

activity

augmentation

arXiv
リンク
対照学習のための適応型データ拡張
arxiv_reader 2023/04/20
コンピュータービジョンでは、対照学習は最も高度な教師なし学習フレームワークです。しかし、以前のほとんどの方法は、データ効率を改善するためにデータ拡張の固定構成を適用するだけであり、トレーニング中の最

computer vision

arXiv reaDer

real time

classification

unsupervised

augmentation

representation

contrastive learning

arXiv
リンク
海面水温予測のための物理的知識強化ディープニューラルネットワーク
arxiv_reader 2023/04/20
従来、物理方程式を表すことによって海洋ダイナミクスをシミュレートするために、数値モデルが海洋学研究に展開されてきました。しかし、海洋ダイナミクスに関する多くの要因は、明確に定義されていないようです。観

pre-training

arXiv reaDer

GAN

arXiv
リンク
ハイパースペクトル画像ノイズ除去のためのマルチスケールアダプティブフュージョンネットワーク
arxiv_reader 2023/04/20
ノイズを除去し、ハイパースペクトル画像 (HSI) の視覚的品質を向上させることは、学界や産業界では困難です。 HSI ノイズ除去のために、ローカル、グローバル、またはスペクトルのコンテキスト情報を活

dataset

denoising

learning

arXiv reaDer

synthesis

arXiv
リンク
DORT: マルチカメラ 3D オブジェクトの検出と追跡のための Recurrent での動的オブジェクトのモデリング
arxiv_reader 2023/04/20
最近のマルチカメラ 3D オブジェクト検出器は通常、時間情報を活用して、不適切な深度推定を軽減するマルチビューステレオを構築します。ただし、通常、すべてのオブジェクトが静的であり、フレーム全体で特徴

bias

recurrent

benchmark

arXiv reaDer

estimation

3D

tracking

detection

localization

arXiv
リンク
3 次元高密度再構成: アルゴリズムとデータセットのレビュー
arxiv_reader 2023/04/20
3D 高密度再構成とは、2D 平面画像から 3D オブジェクトの完全な形状とテクスチャの特徴を取得するプロセスを指します。 3D 再構築は、重要かつ広範囲に研究されている問題ですが、解決にはほど遠いも

dataset

arXiv reaDer

3D

reconstruction

learning

arXiv
リンク
ContraCluster: 対照的な自己監督とプロトタイプベースの半監督によるラベルなしの分類の学習
arxiv_reader 2023/04/20
表現学習の最近の進歩により、教師なし画像分類タスクの困難な問題に原則に基づいた方法で取り組むようになりました。クラスタリングと対照的な自己教師あり学習の力を組み合わせた教師なし画像分類方法である Co

clustering

benchmark

arXiv reaDer

representation learning

semi-supervised

self-supervised

unsupervised

embedding

contrastive learning

arXiv
リンク
知覚の模倣: 自動運転車向けの合成不要のシミュレーターに向けて
arxiv_reader 2023/04/20
特定の知覚モデルの結果をシミュレートする知覚模倣法を提案し、データ合成を必要としない自動運転シミュレータの新しいヒューリスティックルートについて説明します。動機は、セマンティックな認識結果が準備でき

autonomous driving

arXiv reaDer

vehicle

simulation

synthesis

metric

arXiv
リンク
深層ニューラルネットワークにおける 3D 汎化の性質の調査
arxiv_reader 2023/04/20
視覚オブジェクト認識システムは、一連の 2D トレーニングビューから新しいビューに一般化する必要があります。人間の視覚系がどのように新しいビューに一般化できるかという問題は、心理学、コンピューター

computer vision

dataset

arXiv reaDer

3D

classification

learning

human

arXiv
リンク
GliTr: オンラインアクション予測のための時空間一貫性を備えた Glimpse Transformers
arxiv_reader 2023/04/20
多くのオンラインアクション予測モデルは、完全なフレームを観察して、フレーム内の有益なサブ領域を見つけて注意を払い、グローバルおよびローカル情報に基づいて進行中のアクションを認識します。ただし、リソー

dataset

arXiv reaDer

transformer

action recognition

arXiv
リンク
精密な間引きと受粉のための初期段階のリンゴの花と花のクラスター検出のためのマシンビジョンシステム
arxiv_reader 2023/04/20
果樹園環境で開いた状態と開いていない状態の両方にある果物の花の初期段階の識別は、自動化されたロボットプラットフォームを使用して花の間引きや受粉などの作物負荷管理操作を実行するための重要な情報です。これ

clustering

arXiv reaDer

robot

detection

identification

arXiv
リンク
ドメイン一般化セマンティックセグメンテーションのための適応様式化変調
arxiv_reader 2023/04/20
モデルのトレーニングに十分なラベル付きデータを取得することは、ほとんどの実際のアプリケーションでは現実的ではありません。したがって、セマンティックセグメンテーションタスクのドメイン一般化の問題に対

dataset

domain

benchmark

arXiv reaDer

classification

semantic segmentation

arXiv
リンク
視覚言語モデルによる少数ショット分類のためのカテゴリ名の活用
arxiv_reader 2023/04/20
大規模データで事前トレーニングされた視覚言語基盤モデルは、多くの視覚的理解タスクのための強力なツールを提供します。特に、多くのビジョン言語モデルは、2 つのモダリティを同じ埋め込み空間にマッピングでき

few-shot

benchmark

arXiv reaDer

zero-shot

classification

representation

learning

embedding

arXiv
リンク
フェデレーテッド代替トレーニング (FAT): 医用画像のフェデレーテッドセグメンテーションにおける注釈なしデータサイロの活用
arxiv_reader 2023/04/20
Federated Learning (FL) は、限られたデータ移行コストでデータのプライバシーを強化するために、機械学習 (ML) モデルを分散方式でトレーニングすることを目的としています。これは

dataset

arXiv reaDer

segmentation

self-supervised

learning

arXiv
リンク
医用画像のコンピュータビジョンベンチマークセグメントエニシングモデル (SAM): 12 データセットの精度
arxiv_reader 2023/04/20
セグメントエニシングモデル (SAM) は、画像をセグメント化するための基本的なモデルとして導入されました。 1,100 万の自然画像から 10 億を超えるマスクを使用してトレーニングされました。

computer vision

arXiv reaDer

3D

zero-shot

segmentation

MRI

CT

U-Net

arXiv
リンク
RUPNet: リアルタイムのポリープセグメンテーションのための残差アップサンプリングネットワーク
arxiv_reader 2023/04/20
結腸直腸がんは、世界中のがん関連死亡率の最も一般的な原因の 1 つです。ポリープを早期に発見して切除することで、死亡率を低下させ、隣接する臓器への転移を防ぐことさえできます。ポリープの早期発見は、世界

residual

benchmark

arXiv reaDer

real time

detection

segmentation

arXiv
リンク
ラマン画像と病歴を用いたマルチモダリティ・マルチスケール心血管疾患サブタイプ分類
arxiv_reader 2023/04/20
ラマン分光法 (RS) は、その効率性とコンポーネント固有の検査機能により、心血管疾患 (CVD) などの疾患診断に広く使用されています。最近では、RS からニュアンス特徴を学習してバイナリ分類を行う

dataset

arXiv reaDer

classification

learning

embedding

arXiv
リンク
ディープダイナミッククラウドライティング
arxiv_reader 2023/04/20
スカイイルミネーションは、レンダリングにおけるライティングのコアソースであり、晴天からのライティングをシミュレートするためにかなりの量の作業が開発されてきました。ただし、実際には、雲は空の外観を大

video

synthesis

arXiv reaDer

arXiv
リンク
マルチスケールの組織病理学的スライドでのがんサブタイプ分類のためのデータと知識の共同運転
arxiv_reader 2023/04/20
人工知能対応の病理組織学的データ分析は、病理学者にとって貴重なアシスタントとなっています。ただし、既存のモデルは、病理学者のモデルと比較して、特に癌のサブタイプの診断において、表現と推論の能力が不足し

dataset

arXiv reaDer

3D

classification

representation

learning

embedding

metric

arXiv
リンク
画像復元のための適応型クロスレイヤーアテンション
arxiv_reader 2023/04/20
非局所注意モジュールは、画像の復元に不可欠であることが証明されています。従来の非局所的注意は、各レイヤーの特徴を個別に処理するため、異なるレイヤー間の特徴間の相関関係が失われるリスクがあります。この問

denoising

arXiv reaDer

arXiv

compression

super-resolution

attention
リンク
CabiNet: 手続き型シーン生成によるオブジェクト再配置のためのニューラル衝突検出のスケーリング
arxiv_reader 2023/04/20
明示的なオブジェクトモデルを使用せずに、ロボットの再配置をクラッタに一般化するという重要な問題に対処します。最初に、キャビネットや棚などの多様な日常環境で、65 万を超える乱雑なシーンを生成します。

arXiv reaDer

point cloud

robot

detection

pose

simulation

synthesis

representation

arXiv
リンク
Pelphix: 経皮的骨盤固定における X 線画像からの外科的位相認識
arxiv_reader 2023/04/20
外科的位相認識 (SPR) は、現代の手術室のデジタルトランスフォーメーションにおける重要な要素です。ビデオソースに基づく SPR は十分に確立されていますが、インターベンショナル X 線シーケン

video

domain

arXiv reaDer

detection

activity

transformer

learning

representation

arXiv
リンク
CLIP が 3D に移行: 言語に基づいた 3D 認識のためのプロンプトチューニングの活用
arxiv_reader 2023/04/20
CLIP のようなビジョン言語モデルは、その印象的なゼロショット機能により、さまざまなタスクに広く採用されています。ただし、CLIP は自然言語の監督によって画像とテキストのみでトレーニングされている

pre-training

contrastive

dataset

arXiv reaDer

3D

zero-shot

point cloud

embedding

arXiv
リンク
テキストガイドによる画像と形状の編集と生成: 短い調査
arxiv_reader 2023/04/20
画像と形状の編集は、デジタルアート作品のいたるところにあります。グラフィックスアルゴリズムにより、アーティストやデザイナーは、手動で面倒なレタッチを行うことなく、目的の編集意図を実現できます。最近

arXiv reaDer

3D

pose

mesh

learning

human

representation

arXiv
リンク
サイドスキャンソナーの正準画像表現の評価
arxiv_reader 2023/04/20
音響センサーは、自律型水中車両 (AUV) で重要な役割を果たします。サイドスキャンソナー (SSS) は広範囲を検出し、写真のようにリアルな画像を高解像度で提供します。ただし、SSS は 3D の

arXiv reaDer

3D

vehicle

keypoint

representation

arXiv
リンク
メタバース: 調査、トレンド、新しいパイプラインエコシステム、および将来の方向性
arxiv_reader 2023/04/20
メタバースは、仮想現実 (VR) テクノロジを使用したエンゲージメントと没入型の体験を通じて、境界が存在せず、無限の可能性を秘めた、現実を超えた第 2 の世界を提供します。テクノロジー、ゲーム、教育、

domain

arXiv reaDer

arXiv
リンク
大規模な視覚言語モデルのゼロショット推論でキャリブレーションを有効にする
arxiv_reader 2023/04/20
深層学習モデルのキャリブレーションは、その信頼性と安全な使用に不可欠であるため、ミスキャリブレーションを減らすように作成された方法を使用して、教師あり分類モデルで広く研究されています。ただし、CLIP

pre-training

dataset

arXiv reaDer

zero-shot

classification

learning

arXiv
リンク
画像分類のための量子機械学習
arxiv_reader 2023/04/20
画像の認識と分類は、さまざまな業界でさまざまな実用的なアプリケーションを備えた基本的なタスクであり、現代の世界では重要になっています。最近、機械学習モデル、特にニューラルネットワークが、これらの問題

dataset

arXiv reaDer

classification

learning

arXiv
リンク
生成モデルは、分布シフト下での医療分類子の公平性を向上させます
arxiv_reader 2023/04/20
機械学習における遍在する課題は、ドメインの一般化の問題です。これは、モデル開発に使用されるデータセットで過小評価されているグループまたはラベルに対する偏見を悪化させる可能性があります。モデルのバイアス

dataset

domain

benchmark

arXiv reaDer

bias

learning

OOD

generative

synthesis

arXiv
リンク
ベッセル畳み込みニューラルネットワークを使用した画像認識における SO(2) および O(2) の等価分散
arxiv_reader 2023/04/20
長年にわたり、画像解析タスクを解決する際に等分散を利用することがどれほど有益であるかが示されてきました。たとえば、密なネットワークと比較した畳み込みニューラルネットワーク (CNN) の優位性は、主

attention

arXiv reaDer

CNN

arXiv
リンク
TempT: テスト時間適応のための時間的一貫性
arxiv_reader 2023/04/20
テスト時間適応のための時間的整合性 (TempT) を紹介します。これは、自己監視信号として連続するフレーム全体の予測の時間的コヒーレンスを使用することにより、ビデオのテスト時間適応のための新しい方法

computer vision

dataset

adaptation

arXiv reaDer

face

CNN

self-supervised

video

arXiv
リンク
バイアスを理解するための本当にバランスのとれたデータセット? ID や画像の数ではなく、精度に影響を与える要因
arxiv_reader 2023/04/20
人口統計グループ間の顔認識精度の格差の問題は、近年ますます注目を集めています。さまざまな顔画像データセットが、人口統計全体の顔認識アルゴリズムの精度を評価するために「公正」または「バランス」として提案

dataset

arXiv reaDer

arXiv

pose

face recognition

attention
リンク
人間支援のためのビジュアルプランナーとしての事前学習済み言語モデル
arxiv_reader 2023/04/20
複雑なマルチステップの目標を達成するためにユーザーを導くことができるマルチモーダル AI アシスタントに向けて前進するために、私たちは支援のためのビジュアルプランニング (VPA) のタスクを提案し

pre-training

arXiv reaDer

segmentation

action

video

human

metric

arXiv
リンク
ラベルフリーモデル評価のための K-means クラスタリングベースの特徴整合性アラインメント
arxiv_reader 2023/04/20
ラベルフリーモデル評価は、グラウンドトゥルースに依存することなく、さまざまなテストセットでモデルのパフォーマンスを予測することを目的としています。このタスクの主な課題は、従来の教師ありモデルの評

dataset

clustering

arXiv reaDer

arXiv
リンク
潜在指紋を使用した画像生成モデルの帰属
arxiv_reader 2023/04/20
ジェネレーティブモデルは、自然界から採取したものと見分けがつかないコンテンツの作成を可能にしました。このようなモデルのオープンソース開発は、悪意のある目的で悪用されるリスクについて懸念を引き起こしま

generative

arXiv reaDer

arXiv
リンク
AI の公平性とその社会への長期的な影響
arxiv_reader 2023/04/20
さまざまな設定で人工知能 (AI) の導入が成功したことで、個人や社会に多くの肯定的な結果がもたらされました。ただし、AI システムは、偏った予測により人口の一部に害を及ぼすことも示されています。 A

bias

arXiv reaDer

arXiv
リンク
SAM は何かをセグメント化できませんか? -- SAM-Adapter: パフォーマンスの低いシーンでの SAM の適応: カモフラージュ、シャドウなど
arxiv_reader 2023/04/20
基礎モデルとしても知られる大規模モデルの出現は、AI 研究に大きな進歩をもたらしました。そのようなモデルの 1 つが、画像セグメンテーションタスク用に設計された Segment Anything (

pre-training

arXiv reaDer

detection

segmentation

arXiv
リンク
Skeleton Cloud Colorization を使用した自己管理型 3D アクション表現の学習
arxiv_reader 2023/04/20
3D スケルトンに基づく人間の行動認識は、近年ますます注目を集めています。既存の作業のほとんどは、教師あり学習に焦点を当てています。これは、多くの場合、注釈を付けるのに費用と時間がかかるラベル付きアク

attention

arXiv reaDer

3D

point cloud

representation learning

semi-supervised

self-supervised

transfer learning

action recognition

arXiv
リンク
オープンワールドの弱教師付きオブジェクトのローカリゼーション
arxiv_reader 2023/04/20
弱教師付きオブジェクトローカリゼーション (WSOL) で目覚ましい成功が達成されましたが、現在のフレームワークでは、オープンワールド設定で新しいカテゴリのオブジェクトを見つけることができません。

contrastive

clustering

benchmark

arXiv reaDer

dataset

representation learning

weakly-supervised

localization

arXiv
リンク
ローリングシャッター画像とイベントからの自己監視シーンの動的復元
arxiv_reader 2023/04/20
歪んだローリングシャッター (RS) 画像を歪みのない高フレームレートのグローバルシャッター (GS) ビデオに反転することによるシーンダイナミックリカバリ (SDR) は、RS イントラ

dataset

learning

arXiv reaDer

self-supervised

video

synthesis

arXiv
リンク
PDFVQA: PDF ドキュメントの実際の VQA のための新しいデータセット
arxiv_reader 2023/04/20
ドキュメントベースの視覚的質問応答は、自然言語の質問の条件でドキュメント画像のドキュメント理解を調べます。文書要素認識、文書レイアウト構造理解、文脈理解、重要情報抽出など、さまざまな側面から文書理解を

dataset

VQA

arXiv reaDer

arXiv
リンク
- 2023年4月21日
- 2023年4月20日
- 2023年4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