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/2409.03245v1
https://arxiv-check-250201.firebaseapp.com/each/2401.10512v1
https://arxiv-check-250201.firebaseapp.com/each/2310.01095v1
https://arxiv-check-250201.firebaseapp.com/each/2309.13549v2
https://arxiv-check-250201.firebaseapp.com/each/2309.13549v1
https://arxiv-check-250201.firebaseapp.com/each/2211.14742v2
ドメイン一般化のためのクロスドメイン アンサンブル蒸留
布を変える人の再識別のための意味論を意識した注意と視覚的シールドネットワーク
ニューラルネットワークの非ローカルブロックの統合
車両の再識別およびそれ以降の解釈可能な注意による自己管理型の幾何学的特徴の発見