Joint Learning of Feature Extraction and Cost Aggregation for Semantic Correspondence 意味的に類似した画像間で密な対応を確立することは、クラス内の大きな変動と背景の乱雑さのために、困難な作業の1つです。これらの問題を解決するために、特徴抽出器またはコスト集計を個別に学習することに焦点を当てた多数の方法が提案されており、これにより最適ではないパフォーマンスが得られます。本論文では、意味的対応のための特徴抽出とコスト集約を共同で学習するための新しいフレームワークを提案する。各モジュールからの疑似ラベルを活用することにより、特徴抽出モジュールとコスト集計モジュールで構成されるネットワークが同時に学習されます。さらに、信頼性の低い疑似ラベルを無視するために、弱く監視された方法でネットワークを学習するための信頼性を
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
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