視覚的類似性への注意
適切な距離メトリックの学習にはかなりの進歩がありましたが、これらの手法は一般に透明性と決定の推論、つまり画像の入力セットが類似または非類似である理由を説明することを欠いています。この作業では、勾配ベースの注意を払って一般的な視覚的類似性の説明を生成する最初の方法を提案することにより、この重要な問題を解決します。私たちの手法が特定の類似性モデルタイプにとらわれないことを示します。たとえば、シャム、トリプレット、およびクアドラプレットモデルへの適用性を示します。さらに、提案された類似性注意を学習プロセスの原則的な部分にし、類似性関数を学習するための新しいパラダイムをもたらします。私たちの学習メカニズムが、より一般化可能で説明可能な類似性モデルをもたらすことを示します。最後に、画像検索、人物の再識別、ローショットのセマンティックセグメンテーションなど、さまざまなタスクの実験によって、フレームワー
1
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
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
https://arxiv-check-250201.firebaseapp.com/each/2407.03550v1
https://arxiv-check-250201.firebaseapp.com/each/2306.17778v3
https://arxiv-check-250201.firebaseapp.com/each/2311.02559v1
https://arxiv-check-250201.firebaseapp.com/each/2310.11210v1
https://arxiv-check-250201.firebaseapp.com/each/2306.17778v2
画像で指定されたオブジェクトへの移動
PRSNet: マスクされた自己教師あり学習歩行者再識別法
マルチクエリトランスフォーマーによるエンドツーエンドの追跡
彼らがテレビ番組で3Dの人間と環境を再構築したもの
アンサンブルベースの自己監視学習による複雑なデータの推論
マルチモーダルビデオの推論と分析の競争
閉塞した人の再識別のためにトランスフォーマーを介して暗黙的に解きほぐされた表現を学習する
RelationTrack：分離表現による関係対応の複数オブジェクト追跡
iWildCam2021コンペティションデータセット
オブジェクトの永続性で追跡することを学ぶ
ターゲットの再識別のためのコンテキストアウェアグラフ畳み込みネットワーク
ターゲットの再識別のためのコンテキストアウェアグラフ畳み込みネットワーク
LABNet：車両再識別のためのクラスバランス損失を備えたローカルグラフ集約ネットワーク
マルチオブジェクトトラッキングにおける検出とReIDの競合を再考する