2024.07.12: 【お知らせ】次世代のための2024年夏AIセミナー 第1~3回参加申込者の皆さんへ →詳細 2024.07.09: 【お知らせ】次世代のための2024年夏AIセミナー 第1, 2回講座参加申込延長等 →詳細 2024.07.04: 【締切延長】第1回スマートマニュファクチャリングとシステム健全性管理研究会(SIG-SMSHM),2024/07/30 ハイブリッド,2024/07/12 申込締切 →詳細 2024.07.01: 【記事更新】私のブックマーク「空間統計と無線通信」 →詳細 2024.07.01: 【会誌発行】人工知能学会誌 Vol.39 No.4 (2024/7) →詳細
Earth Mover's Distance (EMD) について調べたことを整理しておきます。EMDは、ユークリッド距離のような距離尺度の一つで、二つの分布の間の距離を測ることができます。言語処理ではあまり聞いたことなかったのですが、画像処理や音声処理では比較的有名な距離尺度のようです。 EMDが使える問題設定は下図のようになります。 EMDは特徴量と重みの集合(シグネチャと呼ぶ)で与えられる分布Pと分布Qの間の距離です。ここで、特徴量間では距離 が定義されているのが前提です。特徴量がベクトルのときはユークリッド距離、特徴量が確率分布のときはカルバック・ライブラー距離(情報量)などです。EMDは、特徴量の集合が2つ与えられたときに、1個1個の特徴量間の距離をもとに、特徴量集合間の距離を求められるんですね。これはすごい。 重みは具体的な応用によって使い方が変わりますが、その特徴量の重要度を
3. Statistical Image Models Colors distribution: ) each pixel Source image (X point in R3 Optimal transport framework Sliced Wasserstein projection Applications Application to Color Transfer Optimal transport framework Sliced Wasserstein projection Applications Application to Color Transfer Sliced Wasserstein projection color style Source image after of X to transfer image color statistics Y Style
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