arxiv_readerのブックマーク / 2023年7月14日 - はてなブックマーク

arxiv_reader id:arxiv_reader

2023年7月14日のブックマーク (79件)

HyperDreamBooth: Text-to-Image モデルの高速パーソナライゼーションのための HyperNetworks
arxiv_reader 2023/07/14
パーソナライゼーションは、生成 AI の分野で顕著な側面として浮上しており、アイデンティティの高い忠実度を維持しながら、多様なコンテキストやスタイルで個人を統合できるようになります。ただし、パーソナ

arXiv

synthesis

arXiv reaDer

face

generative

person
リンク
自己調整プロンプト: 忘れることなく基礎的なモデルを適応させる
arxiv_reader 2023/07/14
即時学習は、さまざまな下流タスク向けに CLIP などの基本モデルを微調整するための効率的な代替手段として登場しました。従来、タスク固有の目標、つまりクロスエントロピー損失を使用してトレーニングされ

arXiv

regularization

arXiv reaDer

benchmark

learning

representation

trajectory

pre-training

adaptation
リンク
Video-FocalNets: ビデオ動作認識のための時空間焦点変調
arxiv_reader 2023/07/14
最近のビデオ認識モデルは、長距離の時空間コンテキストモデリングに Transformer モデルを利用しています。ビデオトランスフォーマーの設計は、高い計算コストでグローバルコンテキストをモデ

dataset

action recognition

arXiv

spatio-temporal

arXiv reaDer

convolutional

representation

transformer

video
リンク
InternVid: マルチモーダルな理解と生成のための大規模なビデオテキストデータセット
arxiv_reader 2023/07/14
この論文では、マルチモーダルの理解と生成のための強力で転送可能なビデオテキスト表現の学習を可能にする、大規模なビデオ中心のマルチモーダルデータセットである InternVid を紹介します。 I

dataset

action recognition

arXiv

arXiv reaDer

video

contrastive learning

representation learning

zero-shot
リンク
ゲーム理論的な特徴の帰属と反事実の説明との関係について
arxiv_reader 2023/07/14
説明可能な人工知能 (XAI) は近年広く関心を集めており、最も人気のあるタイプの説明の 2 つは、特徴の帰属と反事実の説明です。これらのクラスのアプローチは主に独立して研究されており、それらを調和

dataset

arXiv

explainable

arXiv reaDer
リンク
A-Story のアニメーション: 検索拡張ビデオ生成によるストーリーテリング
arxiv_reader 2023/07/14
視覚的なストーリーテリング用のビデオの生成は、通常、実写撮影またはグラフィックスアニメーションレンダリングのいずれかを必要とする、退屈で複雑なプロセスになる場合があります。これらの課題を回避する

video

arXiv

synthesis

arXiv reaDer
リンク
https://arxiv-check-250201.firebaseapp.com/each/2307.06930v2
arxiv_reader 2023/07/14
モジュール式ビジョン言語モデル (Vision-LLM) は、事前トレーニングされた画像エンコーダーを (事前トレーニングされた) 大規模言語モデル (LLM) と連携させます。これは、大規模なビジ

arXiv

captioning

arXiv reaDer

benchmark

zero-shot
リンク
Text-to-Image モデルの迅速なパーソナライゼーションのためのドメインに依存しないチューニングエンコーダー
arxiv_reader 2023/07/14
Text-to-image (T2I) パーソナライゼーションにより、ユーザーは自然言語プロンプトで独自のビジュアルコンセプトを組み合わせて、クリエイティブな画像生成プロセスをガイドできます。最近、

dataset

regularization

arXiv

domain

embedding

arXiv reaDer

representation
リンク
潜在空間分解による独自の概念ベクトルの発見
arxiv_reader 2023/07/14
深層学習モデルの内部動作を解釈することは、信頼を確立し、モデルの安全性を確保するために重要です。概念ベースの説明は、ピクセル顕著性などの特徴属性推定よりも解釈しやすい優れたアプローチとして浮上してい

dataset

arXiv

arXiv reaDer

learning

identification

unsupervised

clustering

bias

saliency
リンク
拡散モデルを使用したローカルコントロールによるカラーパレットの適用
arxiv_reader 2023/07/14
ファンタジーカードアートのコンテキストで 2 つの新しい編集手順を示します。パレット転送は、指定された参照パレットを指定されたカードに適用します。ファンタジーアートの場合、パレットの変更が非常

dataset

arXiv

arXiv reaDer
リンク
LVLane: 困難な状況における車線の検出と分類のためのディープラーニング
arxiv_reader 2023/07/14
車線検出は、自動運転車と先進運転支援システム (ADAS) の分野で極めて重要な役割を果たします。長年にわたり、初歩的な画像処理技術から洗練されたディープニューラルネットワークに至るまで、多数の

dataset

arXiv

sparse

detection

arXiv reaDer

pose

identification

vehicle

localization

classification
リンク
視覚言語基盤モデルを活用してきめ細かい下流タスクを実現
arxiv_reader 2023/07/14
CLIP などのビジョン言語基盤モデルは、特にフリーテキスト入力のおかげで、多くのタスクやデータセットで印象的なゼロショットパフォーマンスを示しています。ただし、きめ細かい属性検出や位置特定など、

dataset

arXiv

detection

arXiv reaDer

localization

classification

zero-shot
リンク
リバランスされたゼロショット学習
arxiv_reader 2023/07/14
ゼロショット学習 (ZSL) は、トレーニング中にゼロサンプルで未確認のクラスを識別することを目的としています。大まかに言うと、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ベルを採

learning

arXiv

zero-shot

arXiv reaDer
リンク
亀裂の検出と特性評価のための視覚と触覚センシングによるロボット表面探査
arxiv_reader 2023/07/14
この論文では、光ファイバーによる視覚的および触覚的分析に基づいた亀裂の位置特定と検出のための新しいアルゴリズムを紹介します。データ収集には光ファイバーをベースとした指型センサーを採用し、分析や実験の

arXiv

detection

arXiv reaDer

robot

classification
リンク
マスク画像モデリングによる自己教師あり学習に基づく新しいドライバーの注意散漫行動検出手法
arxiv_reader 2023/07/14
ドライバーの注意散漫により毎年かなりの数の交通事故が発生し、経済的損失や死傷者が発生しています。現在、商用車の自動化レベルは完全な無人化には程遠く、ドライバーは依然として車両の操作と制御において重要

dataset

arXiv

CNN

detection

human

arXiv reaDer

transformer

vehicle

self-supervised

augmentation
リンク
メタラーニングハイパーネットワークを使用した、教師あり深層学習 MRI 再構成を複数の目に見えないコントラストに一般化する
arxiv_reader 2023/07/14
メタラーニングは、さまざまな医用画像処理のための新たなデータ効率の高い学習手法として近年注目されており、現代の深層学習モデルの進歩に貢献しています。さらに、メタ学習は、イメージングタスクのさまざま

MRI

arXiv

U-Net

arXiv reaDer

learning

representation

bias

adaptation

reconstruction
リンク
物理世界における視覚的な敵対的攻撃と防御: 調査
arxiv_reader 2023/07/14
ディープニューラルネットワーク (DNN) はさまざまな実世界のシナリオで広く適用されていますが、敵対的な例に対して脆弱です。コンピュータビジョンにおける現在の敵対的攻撃は、攻撃形態の違いによっ

arXiv

computer vision

arXiv reaDer

DNN

adversarial
リンク
ポーズを監視: 歩行認識のためのポーズベースのトリプレット選択による教師なしドメイン適応
arxiv_reader 2023/07/14
歩行認識は、歩行パターンによって人を識別することを目的としたコンピュータービジョンタスクです。既存の手法は、個々のデータセットで優れた結果を示しますが、まだ見ぬシナリオに一般化する機能がありませ

dataset

arXiv

arXiv reaDer

pose

embedding

domain adaptation

identification

unsupervised

pre-training

computer vision
リンク
Human in Events: 複雑なイベントにおける人間中心のビデオ分析のための大規模ベンチマーク
arxiv_reader 2023/07/14
現代のスマートシティの発展に伴い、人間中心のビデオ分析は、現実の場面での多様で複雑なイベントを分析するという課題に直面しています。複雑なイベントは、密集した群衆、異常な個人、または集団行動に関連して

dataset

action recognition

arXiv

human

arXiv reaDer

benchmark

learning

video

trajectory

pose estimation
リンク
合成データを使用した目に見えないカメラビュー全体での 2D 人間の姿勢推定の改善
arxiv_reader 2023/07/14
人間の姿勢推定は徹底的に研究された問題です。ただし、ほとんどのデータセットは側面図と正面図のシナリオに焦点を当てています。私たちは、極端な視点やポーズによってもたらされる課題に取り組む新しいアプロー

dataset

arXiv

synthesis

human pose estimation

arXiv reaDer

pose estimation
リンク
リモートセンシングにおけるマルチモーダル物体検出
arxiv_reader 2023/07/14
リモートセンシングにおける物体検出は、コンピュータービジョンの重要なタスクであり、深層学習技術によって大幅な進歩が見られます。ただし、この分野の既存の研究のほとんどは、一般的な物体検出の使用に焦

dataset

arXiv

detection

arXiv reaDer

learning

computer vision
リンク
ベクトル量子化変分オートエンコーダを使用したリモートセンシング画像からの弱教師付き海洋動物検出
arxiv_reader 2023/07/14
この論文では、海洋環境における航空画像から弱い監視下で動物を検出するための再構成ベースのアプローチを研究します。このようなアプローチは、入力空間で直接メトリクスを計算する異常検出フレームワークを活用

dataset

arXiv

metric

weakly-supervised

arXiv reaDer

embedding

domain

anomaly detection

localization

computer vision
リンク
S-HR-VQVAE: ビデオ予測用の逐次階層残差学習ベクトル量子化変分オートエンコーダー
arxiv_reader 2023/07/14
我々は、(i) 最近提案した階層残差ベクトル量子化変分オートエンコーダ (HR-VQVAE) と、(ii) 新しい時空間 PixelCNN (ST-PixelCNN) を組み合わせた新しいモデルを提

arXiv

human

arXiv reaDer

residual

quantization

learning

representation

video

action
リンク
YOLIC: エッジデバイス上でオブジェクトの位置特定と分類を行うための効率的な方法
arxiv_reader 2023/07/14
Tiny AI の領域では、エッジデバイス上でオブジェクトの位置特定と分類を行うための効率的な方法である「You Only Look at Interested Cells」(YOLIC) を導入

classification

dataset

arXiv

detection

arXiv reaDer

YOLO

localization

semantic segmentation

edge device
リンク
DGCNet: ハイパースペクトルリモートセンシング画像分類のための動的グループ畳み込みに基づく効率的な 3D-Densenet
arxiv_reader 2023/07/14
ディープニューラルネットワークは、モデルの深さが増すにつれて、ハイパースペクトル画像分類、空間スペクトル情報の効果的な利用の欠如、勾配の消失、および過学習の分野で多くの問題に直面します。厳格なレ

classification

pruning

dataset

arXiv

CNN

arXiv reaDer

face

convolutional

3D

edge device
リンク
可変長体積データのトランスフォーマーベースのエンドツーエンド分類
arxiv_reader 2023/07/14
3D 医療データの自動分類はメモリを大量に消費します。また、サンプル間でスライス数が異なることもよくあります。サブサンプリングなどの単純なソリューションはこれらの問題を解決できますが、関連する診断情

arXiv

arXiv reaDer

embedding

3D

representation

transformer

video

classification
リンク
コンピュータビジョンシステムを保護するためのブロックチェーンアプリケーションの包括的な分析
arxiv_reader 2023/07/14
ブロックチェーン (BC) とコンピュータービジョン (CV) は、さまざまな分野を変革する可能性を秘めた 2 つの新興分野です。BC の機能は分散型で安全なデータストレージの提供に役立ち、CV

video

arXiv

computer vision

arXiv reaDer
リンク
PEGG-Net: 複雑なシーンにおけるピクセル単位の効率的な把握生成
arxiv_reader 2023/07/14
視覚ベースの把握推定は、現実世界でのロボット操作タスクの重要な部分です。既存の平面把握推定アルゴリズムは、比較的単純なシーンでうまく機能することが実証されています。しかし、背景が乱雑でオブジェクトが

estimation

dataset

arXiv

arXiv reaDer

robot
リンク
さまざまな種類のがんを分類するための EfficientNet アルゴリズム
arxiv_reader 2023/07/14
さまざまな種類のがんを正確かつ効率的に分類することは、早期発見と効果的な治療に不可欠です。この論文では、EfficientNet アルゴリズムを使用して脳腫瘍、乳がんマンモグラフィ、胸部がん、および皮

dataset

arXiv

detection

arXiv reaDer

classification
リンク
DeepIPCv2: LiDAR を活用した自動運転車向けの堅牢な環境認識とナビゲーション制御
arxiv_reader 2023/07/14
特に照明条件が悪い場合に、より堅牢な運転性を実現するために、LiDAR センサーを使用して環境を認識する自動運転モデル DeepIPCv2 を紹介します。 DeepIPCv2 は、主な認識入力と

arXiv reaDer

autonomous driving

LiDAR

vehicle

arXiv

point cloud
リンク
ディープフェイク検出のためのブロックシャッフル学習
arxiv_reader 2023/07/14
畳み込みニューラルネットワーク (CNN) に基づくディープフェイク検出方法は、高い精度を実証しています。 blackしかし、これらの方法は、未知の偽造方法や、サイズ変更やぼかしなどの一般的な変換

arXiv

CNN

regularization

detection

arXiv reaDer

pose

domain

face

deepfake

adversarial
リンク
一般強化学習による画像変換系列の検索
arxiv_reader 2023/07/14
この研究では、新しい画像変換シーケンス取得 (ITSR) タスクが提示されます。このタスクでは、モデルは、それぞれソースとターゲットとして機能する 2 つの指定された画像間の変換シーケンスを取得する

arXiv

synthesis

domain

arXiv reaDer

reinforcement learning

benchmark
リンク
ビデオからの自動欺瞞検出: エンドツーエンド学習ベースの高レベル機能と分類アプローチの使用
arxiv_reader 2023/07/14
欺瞞検出は、心理学、犯罪学、コンピューターサイエンス、経済学の研究者が集まる学際的な分野です。私たちは、自動化された欺瞞検出のために深層学習と識別モデルを組み合わせたマルチモーダルなアプローチを提案

dataset

arXiv

detection

arXiv reaDer

pose

face

convolutional

video

gaze

classification
リンク
NLOS は二度死ぬ: 協力的な認識のための V2X の課題と解決策
arxiv_reader 2023/07/14
協調知覚を実現するコネクテッド車両間のマルチエージェントマルチライダーセンサーの融合は、個々の車両知覚システムの死角を最小限に抑え、自動運転システム全体の安全性をさらに高めるための最良の技術とし

arXiv

arXiv reaDer

simulation

vehicle

autonomous driving
リンク
3D 医療データの説明可能な 2D ビジョンモデル
arxiv_reader 2023/07/14
3 次元の画像データで人工知能 (AI) モデルをトレーニングする場合、2 次元の場合と比較して特有の課題が生じます。まず、計算リソースが大幅に多くなり、次に、利用可能な大規模な事前トレーニングデ

dataset

arXiv

attention

arXiv reaDer

explainable

benchmark

3D

representation

classification

pooling
リンク
画像のノイズ除去とフォトンの生成的蓄積
arxiv_reader 2023/07/14
ショットノイズで破損した画像とノイズ除去に関する新たな視点を提示します。画像形成を検出器グリッド上の光子の連続的な蓄積として見ることにより、次の光子がどこに到着するかを予測するように訓練されたネット

dataset

denoising

arXiv

detection

arXiv reaDer

unsupervised

self-supervised

generative
リンク
あなたが見ているものはあなたが読んでいるものですか?テキストと画像の位置合わせ評価の改善
arxiv_reader 2023/07/14
テキストと対応する画像が意味的に整合しているかどうかを自動的に判断することは、テキストから画像への生成タスクや画像からテキストへの生成タスクに応用する場合、視覚言語モデルにとって重要な課題です。この研

dataset

arXiv

human

arXiv reaDer

localization

classification

generative
リンク
RVD: 網膜血管セグメンテーション用のハンドヘルドデバイスベースの眼底ビデオデータセット
arxiv_reader 2023/07/14
網膜血管のセグメンテーションは通常、ベンチトップデバイスで収集された画像ベースのデータセットに基づいています。静止画像は網膜変動の動的特性を自然に失い、その結果データセットの豊富さが減少し、ベンチ

dataset

arXiv

metric

domain

arXiv reaDer

benchmark

video

segmentation
リンク
任意スケールの画像超解像のためのローカル陰的正規化フロー
arxiv_reader 2023/07/14
フローベースの方法は、正規化フローを使用して高解像度 (HR) 画像の分布を学習することにより、超解像 (SR) の不適切な性質に対処する有望な結果を示しています。ただし、これらの方法は、事前定義され

arXiv

attention

arXiv reaDer

learning

super-resolution
リンク
EPIC-KITCHEN-100 行動認識のための教師なしドメイン適応チャレンジ 2023 のための微分可能ロジックと LLM に関する研究
arxiv_reader 2023/07/14
この技術レポートでは、アクション認識のための EPIC-KITCHENS-100 教師なしドメイン適応タスクに関して実施された研究の結果を紹介します。私たちの研究は、動詞と名詞の間の共起関係を活用す

dataset

action recognition

arXiv

arXiv reaDer

domain adaptation

unsupervised

pre-training

differentiable
リンク
Kosmos-2: マルチモーダル大規模言語モデルを世界に発信する
arxiv_reader 2023/07/14
私たちは、マルチモーダル大規模言語モデル (MLLM) である Kosmos-2 を導入し、オブジェクトの説明 (境界ボックスなど) を認識し、テキストを視覚的な世界に固定する新しい機能を可能にしま

learning

action

arXiv

arXiv reaDer
リンク
光学リモートセンシング画像による軽量船舶方位角予測のための回帰指向の知識蒸留
arxiv_reader 2023/07/14
光学リモートセンシング画像を使用した船舶方位角予測 (SOAP) は重要な画像処理タスクであり、多くの場合、正確な予測を行うためにディープ畳み込みニューラルネットワーク (CNN) に依存します。

dataset

arXiv

CNN

synthesis

arXiv reaDer

knowledge distillation
リンク
新しい方向のオブジェクトへの一般化のための創発ニューラルネットワークメカニズム
arxiv_reader 2023/07/14
トレーニングデータの分布以外の方向にあるオブジェクトを認識するディープニューラルネットワーク (DNN) の機能は、十分に理解されていません。我々は、DNN が、多くの視点から見た見慣れたオブ

DNN

arXiv

arXiv reaDer
リンク
可変長複合意味論的摂動の多目的進化的探索
arxiv_reader 2023/07/14
ディープニューラルネットワークは、画像に特定の摂動を加えて誤った出力を行うという形での敵対的攻撃に対して脆弱であることが証明されています。より強力な敵対的攻撃方法を設計することは、DNN モデル

dataset

arXiv

attention

arXiv reaDer

learning

DNN

adversarial

autoML
リンク
残存エンコーダーデコーダーネットワークを使用した胸部 X 線画像からのフル解像度の肺結節のセグメンテーション
arxiv_reader 2023/07/14
肺がんはがんによる死亡の主な原因であり、早期診断は良好な予後と関連しています。胸部 X 線 (CXR) は、肺がん診断のための安価な画像化モードを提供します。 CXR を使用して、疑わしい結節を血管

dataset

arXiv

human

arXiv reaDer

residual

segmentation

localization

computer vision
リンク
自動運転システムにおけるデータ統合のためのディープラーニングアプローチに関する調査
arxiv_reader 2023/07/14
自動運転車の認識モジュールは、環境を理解するためにマルチセンサーシステムに依存しています。深層学習の最近の進歩により、多感覚測定を統合して知覚能力を強化するアプローチが急速に開発されました。この論

arXiv

arXiv reaDer

learning

vehicle

autonomous driving
リンク
量子画像ノイズ除去: ボルツマンマシン、QUBO、量子アニーリングによるフレームワーク
arxiv_reader 2023/07/14
我々は、二次無制約二値最適化 (QUBO) 形式でノイズ除去目標を導入し、量子アニーリングに適した、制限付きボルツマンマシン (RBM) を介したバイナリ画像ノイズ除去のフレームワークを調査します

annealing

denoising

arXiv

arXiv reaDer
リンク
クロスカメラペアサンプルを使用しないドメイン適応型人物再識別
arxiv_reader 2023/07/14
既存人物の再識別 (re-ID) の研究は、隣接するエリアのカメラ間での歩行者の身元照合に主に焦点を当てています。しかし、実際には、長距離シーンにわたる歩行者の身元照合の問題に直面することは避けられ

dataset

arXiv

pedestrian

domain

arXiv reaDer

face

learning

person

re-id
リンク
正確な長方形フィッティングのための最適化された最小二乗法アプローチ
arxiv_reader 2023/07/14
この研究では、単位正方形を正確に近似する連続適応関数を使用した、長方形フィッティングのための新規で効率的な最小二乗ベースの方法を導入します。提案された方法は、シミュレーションデータと実際のデータの

dataset

arXiv

point cloud

arXiv reaDer
リンク
自己中心的な行動認識のための自由形式構成ネットワーク
arxiv_reader 2023/07/14
人間の行動認識の分野では、自己中心的な行動認識が大きな注目を集めています。この論文では、自己中心的な行動認識におけるデータ不足の問題を、構成的一般化の観点から扱います。この問題に取り組むために、私た

dataset

action recognition

arXiv

attention

human

arXiv reaDer

representation

video

few-shot

disentangling
リンク
AvatarFusion: 2D 拡散を使用した、衣服を分離した 3D アバターのゼロショット生成
arxiv_reader 2023/07/14
大規模な事前トレーニング済み視覚言語モデルにより、テキストベースの 3D アバターをゼロショットで生成できます。以前の最先端の方法では、CLIP を利用して人体メッシュを再構成するニューラル暗黙的モ

arXiv

metric

human

arXiv reaDer

face

benchmark

3D

pre-training

mesh

zero-shot
リンク
潜在拡散モデルによる非アルコール性脂肪肝疾患の分類パフォーマンスの向上
arxiv_reader 2023/07/14
ディープラーニングと臨床専門知識を統合することは、医療上の課題に対処し、改善された診断ツールで医療専門家を支援する大きな可能性を秘めています。ただし、多くの場合、注釈付きの医療画像の必要性が、機械学

classification

arXiv

CNN

synthesis

GAN

arXiv reaDer

learning

augmentation
リンク
WaterScenes: 水面での自動運転のためのマルチタスク 4D レーダーとカメラの融合データセットとベンチマーク
arxiv_reader 2023/07/14
水面での自動運転は、海上監視、生存者の救助、環境監視、水路図作成、廃棄物の清掃など、危険で時間のかかる任務を遂行する上で重要な役割を果たします。この研究では、水面での自動運転のための初のマルチタスク

dataset

arXiv

detection

multi-task

arXiv reaDer

point cloud

benchmark

monocular

autonomous driving

semantic segmentation
リンク
画像分類のための色不変強度ベースの特徴を抽出する CNN の機能について
arxiv_reader 2023/07/14
畳み込みニューラルネットワーク (CNN) は、視覚関連のタスクで目覚ましい成功を収めています。ただし、入力がトレーニング分布から逸脱すると失敗しやすいことは十分に文書化されています。最近の研究で

dataset

regularization

arXiv

CNN

arXiv reaDer

bias

classification
リンク
解釈可能な深層学習システムに対する微生物遺伝アルゴリズムベースのブラックボックス攻撃
arxiv_reader 2023/07/14
ディープラーニングモデルは、ホワイトボックス環境およびブラックボックス環境における敵対的なサンプルの影響を受けやすくなります。これまでの研究では攻撃の成功率が高いことが示されていますが、DN

dataset

arXiv

CNN

human

arXiv reaDer

learning

interpretation

GA

DNN

adversarial
リンク
ウォームスタートを活用して胸部 X 線レポートの生成を改善
arxiv_reader 2023/07/14
患者の胸部 X 線 (CXR) からレポートを自動的に生成することは、臨床作業負荷を軽減し、患者ケアを向上させるための有望なソリューションです。しかし、現在の CXR レポートジェネレーター (主

dataset

arXiv

arXiv reaDer

convolutional

transformer

pre-training

computer vision

generative
リンク
解釈可能な深層学習システムに対する単一クラスのターゲット固有の攻撃
arxiv_reader 2023/07/14
この論文では、SingleADV と呼ばれる新しい単一クラスのターゲット固有の敵対的攻撃を紹介します。 SingleADV の目標は、ターゲットモデルをだましてオブジェクトの特定のカテゴリとターゲ

arXiv

arXiv reaDer

learning

interpretation

adversarial
リンク
パス署名とシャムの教師なし特徴圧縮に基づく早期自閉症診断
arxiv_reader 2023/07/14
自閉症スペクトラム障害（ASD）は、増大する公衆衛生上の脅威として浮上しています。 ASD の早期診断は、タイムリーで効果的な介入と治療のために非常に重要です。しかし、コミュニケーションや行動パター

MRI

arXiv

arXiv reaDer

learning

unsupervised
リンク
オンラインでの画像の使用法を発見する: 「カーブを平坦化する」ケーススタディ
arxiv_reader 2023/07/14
ウェブ上での画像の広がりを理解することは、科学的視覚化の再利用と一般の人々との関係を理解するのに役立ちます。「曲線を平らにする」グラフィックは、複雑なコンセプトをシンプルな形で伝えるために、新型コ

COVID-19

arXiv

arXiv reaDer
リンク
ビデオフレーム補間のための効率的な畳み込みとトランスベースのネットワーク
arxiv_reader 2023/07/14
ビデオフレーム補間は、ビデオコーディング、放送、制作分野におけるいくつかの重要な産業用途において、ますます重要な研究課題となっています。最近、変圧器が現場に導入され、性能が大幅に向上しました。た

arXiv

arXiv reaDer

benchmark

convolutional

transformer

video
リンク
RaBiT: 結腸ポリープのセグメンテーションのための逆アテンションを備えた双方向特徴ピラミッドネットワークを使用した効率的なトランスフォーマー
arxiv_reader 2023/07/14
結腸ポリープの自動かつ正確なセグメンテーションは、結腸直腸がんの早期診断に不可欠です。高度な深層学習モデルは、ポリープのセグメンテーションにおいて有望な結果を示しています。ただし、マルチスケールの特

dataset

arXiv

attention

arXiv reaDer

benchmark

learning

transformer

segmentation
リンク
FishRecGAN: 魚眼補正とキャリブレーションのためのエンドツーエンドの GAN ベースのネットワーク
arxiv_reader 2023/07/14
私たちは、魚眼画像を修正し、同時にカメラ固有のパラメータと歪みパラメータを校正するためのエンドツーエンドの深層学習アプローチを提案します。私たちの手法は 2 つの部分で構成されています。Pix2Pix

dataset

arXiv

CNN

GAN

arXiv reaDer

learning
リンク
弱く監視されたオーディオビジュアルイベントローカライゼーションのための時間的ラベル改良
arxiv_reader 2023/07/14
オーディオビジュアルイベントローカライゼーション (AVEL) は、オーディオビジュアルイベント、つまり、ビデオ内で同時に表示および聴取できるイベントを時間的にローカライズおよび分類するタスク

arXiv

synthesis

weakly-supervised

arXiv reaDer

OOD

video

localization
リンク
T2I-CompBench: オープンワールドの構成テキストから画像への生成のための包括的なベンチマーク
arxiv_reader 2023/07/14
最近のテキストから画像へのモデルによって高品質の画像を生成する驚くべき機能にもかかわらず、現在のアプローチでは、さまざまな属性や関係を持つオブジェクトを複雑で一貫したシーンに効果的に合成するのに苦労

arXiv

metric

arXiv reaDer

benchmark

generative
リンク
CNN のトレーニングにおけるデータ拡張: 画像へのノイズの注入
arxiv_reader 2023/07/14
ノイズ注入はデータ拡張の基本ツールですが、それを学習フレームワークに組み込むための広く受け入れられた手順はまだありません。この研究では、さまざまな大きさのさまざまなノイズモデルを畳み込みニューラル

classification

arXiv

CNN

metric

arXiv reaDer

learning

augmentation
リンク
弱い教師あり学習による病理学的スライド分類全体
arxiv_reader 2023/07/14
アノテーションの利用とギガピクセルサイズの画像の処理における優れた効率により、マルチインスタンス学習 (MIL) は、デジタル病理診断における全スライド画像 (WSI) 分類のフレームワークとして大

classification

dataset

arXiv

detection

weakly-supervised

arXiv reaDer

representation

contrastive learning

bias

augmentation
リンク
深層強化学習を使用した X 線 CT の逐次実験計画
arxiv_reader 2023/07/14
X 線コンピュータ断層撮影 (CT) では、さまざまな角度からの投影が取得され、3D 再構成に使用されます。 CT をインライン品質管理に適したものにするためには、再構成の品質を維持しながら角度の数

arXiv

synthesis

arXiv reaDer

pose

reinforcement learning

3D

CT

Bayesian

reconstruction
リンク
ConvNeXt-ChARM: 効率的なニューラル画像圧縮のための ConvNeXt ベースの変換
arxiv_reader 2023/07/14
ここ数年、ニューラル画像圧縮は研究や産業界から幅広い注目を集めており、レート歪み性能において従来の対応物を上回る、有望なエンドツーエンドのディープニューラルコーデックが生み出されています。アテン

arXiv reaDer

compression

video

transformer

reconstruction

quantization

dataset

arXiv

attention

representation
リンク
ノイズ除去オートエンコーダー (DAE) とサイクル一貫性のある敵対的生成ネットワーク (Cycle-GAN) を使用したノイズ除去シミュレーション低磁場 MRI (70mT)
arxiv_reader 2023/07/14
この研究では、ノイズ除去 Cycle-GAN (Cycle Consistent Generative Adversarial Network) が実装され、シミュレートされた低磁場から高磁場、高解

MRI

denoising

arXiv

metric

GAN

arXiv reaDer

learning
リンク
運用サポート見積もりネットワーク
arxiv_reader 2023/07/14
この研究では、サポート推定タスクのための運用サポート推定ネットワーク (OSEN) と呼ばれる新しいアプローチを提案します。サポート推定 (SE) は、スパース信号内のゼロ以外の要素の位置を見つける

classification

estimation

arXiv

sparse

arXiv reaDer

convolutional

reconstruction

generative
リンク
放射線科医のように放射線学画像を読む
arxiv_reader 2023/07/14
自動放射線医学レポート生成は、放射線画像の詳細で詳細な説明を含む放射線医学レポートを生成することを目的としています。自然画像領域の画像キャプションと比較すると、医療画像は互いに非常によく似ており、病

dataset

arXiv

captioning

domain

arXiv reaDer

bias
リンク
https://arxiv-check-250201.firebaseapp.com/each/2307.05845v3
arxiv_reader 2023/07/14
PIGEON は、外部ベンチマークと人間による評価の両方で最先端のパフォーマンスを実現する、地球規模の画像地理位置特定のためのマルチタスクのエンドツーエンドシステムです。私たちの作業には、ラベル

dataset

arXiv

multi-task

arXiv reaDer

domain

benchmark

transformer

unsupervised

pre-training

clustering
リンク
Rad-ReStruct: 構造化放射線レポートのための新しい VQA ベンチマークおよび手法
arxiv_reader 2023/07/14
放射線科レポートは、放射線科医と他の医療専門家との間のコミュニケーションにおいて重要な部分ですが、時間がかかり、間違いが発生しやすいものです。これを軽減するための 1 つのアプローチは構造化レポート

dataset

arXiv

arXiv reaDer

benchmark

VQA
リンク
ビデオ分類における段階的な知識の蒸留: 弱く監視された補完的なフレームワークによる生徒の進歩の調和
arxiv_reader 2023/07/14
ビデオデータのラベル効率的な学習のコンテキストでは、抽出方法と教師と生徒のアーキテクチャの構造設計が知識の抽出に大きな影響を与えます。しかし、これらの要因間の関係は、これまでの研究では見落とされて

arXiv

weakly-supervised

arXiv reaDer

loss function

learning

video

knowledge distillation

classification
リンク
マスクされたオートエンコーダーのブレを除去することは、超音波画像認識のためのより良いレシピです
arxiv_reader 2023/07/14
マスクオートエンコーダ (MAE) は前例のない注目を集めており、多くの視覚タスクで顕著なパフォーマンスを達成しています。事前トレーニング中にランダムなマスクされた画像パッチ (プロキシタスクと

arXiv

attention

arXiv reaDer

representation

classification
リンク
3D 顔上の創傷充填抽出の進歩: 自動セグメンテーションと創傷面再生アプローチ
arxiv_reader 2023/07/14
顔面創傷のセグメンテーションは、さまざまな医療用途における術前計画と患者転帰の最適化において重要な役割を果たします。この論文では、2 ストリームグラフ畳み込みネットワークを使用して 3D 顔面創傷

dataset

arXiv

arXiv reaDer

face

convolutional

loss function

3D

segmentation

reconstruction
リンク
屋内シーンの凸分解
arxiv_reader 2023/07/14
複雑で乱雑な屋内シーンをプリミティブに解析して、シーン構造を最小限に抽象化する方法について説明します。私たちのプリミティブは単純な凸面です。私たちの方法では、学習された回帰手順を使用して、RGBD

arXiv

metric

arXiv reaDer

representation

segmentation

RGB-D
リンク
Blocks2World: 編集可能なプリミティブを使用したリアルなシーンの制御
arxiv_reader 2023/07/14
我々は、画像の凸分解と条件付き合成という 2 段階のプロセスを利用する、3D シーンのレンダリングと編集のための新しい方法である Blocks2World を紹介します。私たちの技術は、凸分解を使用

augmentation

representation

learning

synthesis

arXiv reaDer

arXiv

3D
リンク
地理的位置特定を超えて: 補足資料を使用した衛星画像とのクロスビューマッチングによるストリートビュー画像のきめ細かい方向設定
arxiv_reader 2023/07/14
ストリートビュー画像は、さまざまな場所を遠隔地から探索する新しい体験を私たちに提供します。慎重に調整されたストリートビュー画像 (Google ストリートビューなど) は、ナビゲーションや地図の特

estimation

dataset

arXiv

satellite

metric

arXiv reaDer
リンク
- 2023年7月17日
- 2023年7月14日
- 2023年7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