コンピュータビジョンの最新論文調査 Human Recognition編 | BLOG - DeNA Engineering
はじめに こんにちは、AIシステム部でコンピュータビジョンの研究開発をしております本多です。 我々のチームでは、常に最新のコンピュータビジョンに関する論文調査を行い、部内で共有・議論しています。今回我々が読んだ最新の論文をこのブログで紹介したいと思います。 今回論文調査を行なったメンバーは、洪 嘉源、林 俊宏、本多 浩大です。 論文調査のスコープ 2018年11月以降にarXivに投稿されたコンピュータビジョンに関する論文を範囲としており、その中から重要と思われるものをピックアップして複数名で調査を行っております。今回はHuman Recognition編として、ポーズ推定をはじめとする人物の認識に関する最新論文を取り上げます。 前提知識 今回紹介するHuman Recognitionとは、RGB画像を入力として、人物の姿勢推定やセグメンテーション、モーションキャプチャ情報を推定するタスク
Video-to-Video Synthesis
We study the problem of video-to-video synthesis, whose goal is to learn a mapping function from an input source video (e.g., a sequence of semantic segmentation masks) to an output photorealistic video that precisely depicts the content of the source video. While its image counterpart, the image-to-image synthesis problem, is a popular topic, the video-to-video synthesis problem is less explored
Video-to-Video Synthesis
We study the problem of video-to-video synthesis, whose goal is to learn a mapping function from an input source video (e.g., a sequence of semantic segmentation masks) to an output photorealistic video that precisely depicts the content of the source video. While its image counterpart, the image-to-image synthesis problem, is a popular topic, the video-to-video synthesis problem is less explored
与えられた輪郭からAIがリアルな実写風映像を自動的に生成する「vid2vid」
あるムービーをベースにし、そこに含まれる要素を実在しない別のものに置き換えるムービーをAIが新たに生成する分野「Video-to-Video Synthesis」で、従来にはないリアルさを持つ新しい技術「vid2vid」が開発されました。 Video-to-Video Synthesis https://tcwang0509.github.io/vid2vid/ [1808.06601] Video-to-Video Synthesis https://arxiv.org/abs/1808.06601 vid2vidは、マサチューセッツ工科大学とNvidiaの専門家による開発チームによって開発されたもの。どれほどリアルな映像を生成できるかは、以下のムービーを見ればよくわかります。 Video-to-Video Synthesis - YouTube コンピューターに与えられるのは、以下のよ
UCバークレーら、画像に関する質問に回答し、その根拠を文字で説明、さらに根拠となる箇所を画像内で視覚的に示すニューラルネットワークモデルを発表
UCバークレーら、画像に関する質問に回答し、その根拠を文字で説明、さらに根拠となる箇所を画像内で視覚的に示すニューラルネットワークモデルを発表 2018-03-25 UCバークレー、アムステルダム大学、マックス・プランク情報科学研究所、Facebook AI Researchの研究者らは、ニューラルネットワークを用いて、画像に対する質問に答え、さらにその根拠となる箇所をテキスト及び視覚的に指し示すモデルを発表しました。 論文：Multimodal Explanations: Justifying Decisions and Pointing to the Evidence 著者：Dong Huk Park, Lisa Anne Hendricks, Zeynep Akata, Anna Rohrbach, Bernt Schiele, Trevor Darrell, Marcus Rohr
https://www.mi.t.u-tokyo.ac.jp/kanezaki/pdf/3D_and_weaklearning.pdf
1 MIL Machine Intelligence Lab. 3D物体認識と 弱教師付き学習 2014/06/18 10:30 – 12:00 知能情報論 原田研究室 助教 金崎朝子 2 MIL Machine Intelligence Lab. • 2008年3月 東京大学工学部機械情報工学科 國吉・原田研にて 学部卒業 • 2010年3月 國吉・原田研にて 修士課程修了（情報理工学） • 2013年3月 國吉・原田研にて 博士課程修了（情報理工学） • 2013年4月 原田研誕生 • 2013年4月～11月 （株）東芝研究開発センター 正規職員 • 2013年12月～ 原田研の助教 自己紹介 3 MIL Machine Intelligence Lab. ロボットによる生活支援（掃除とか） モチベーション チョット通リマスヨ サッ 理想 現実 人のためにロボットがお片付けする ロボッ
Disentangled Person Image Generation
Generating novel, yet realistic, images of persons is a challenging task due to the complex interplay between the different image factors, such as the foreground, background and pose information. In this work, we aim at generating such images based on a novel, two-stage reconstruction pipeline that learns a disentangled representation of the aforementioned image factors and generates novel person
ディープラーニングにおけるセマンティックセグメンテーションのガイド2017年版 | POSTD
Qureでは、私たちは通常、セグメンテーションとオブジェクト検出の問題に取り組んでいます。そのため、最先端技術の動向について検討することに関心があります。 本稿では、セマンティックセグメンテーションに関する論文を検討します。セマンティックセグメンテーションの研究の多くは、自然界・現実世界の画像データセットを使用します。その結果を医療用画像に直接適用できるわけではありませんが、現実世界の画像に関する研究は医療用画像のものよりもずっと成熟しているので、これらの論文を見直してみたいと思います。 本稿は、以下のような構成です。最初に セマンティックセグメンテーションの問題を説明 し、 アプローチ方法に関する概略 を述べます。最後に いくつかの興味深い論文を要約します。 今後の記事で、医療用画像が現実世界の画像となぜ異なるのかを説明する予定です。更に、今回の再検討から得たアプローチが、医療用画像の代
Knowledge Concentration: Learning 100K Object Classifiers in a Single CNN
Fine-grained image labels are desirable for many computer vision applications, such as visual search or mobile AI assistant. These applications rely on image classification models that can produce hundreds of thousands (e.g. 100K) of diversified fine-grained image labels on input images. However, training a network at this vocabulary scale is challenging, and suffers from intolerable large model s
コンピュータビジョンの今を映す-CVPR 2017 速報より- （夏のトップカンファレンス論文読み会）
2017年9月18日 夏のトップカンファレンス論文読み会(CVPR/ICML/KDD etc.) での発表内容です． https://abeja-innovation-meetup.connpass.com/event/63466/ コンピュータビジョン分野の「今」を映す挑戦です。論文読破・まとめ・アイディア考案・議論・実装・論文執筆（・社会実装）に至るまで広く取り組み、その過程で出てきたあらゆる知識を共有します。 2015〜2016年は1,600本以上の論文まとめを全て公開し、著名な国際会議のWSにおいて受賞を経験しました。2017年はさらにアウトプットにこだわり、突出した成果を出すことを目標とします。 SlideShareにて論文まとめや講演資料を公開し、Twitterでも情報を共有しております。 cvpaper.challenge https://sites.google.com/s
cGAN-based Manga Colorization Using a Single Training Image
The Japanese comic format known as Manga is popular all over the world. It is traditionally produced in black and white, and colorization is time consuming and costly. Automatic colorization methods generally rely on greyscale values, which are not present in manga. Furthermore, due to copyright protection, colorized manga available for training is scarce. We propose a manga colorization method ba
最近読んだCNN系論文ざっくりまとめ [ 画像編 ] - 電通生のにこにこ調布日記
自分の研究室は自然言語処理を扱っている研究室で、自分自身も自然言語を扱った研究をしたいと考えているのですが、 「CNNの気持ちを理解できるかな？」と思いComputer Visionで有名そうな論文を何本か読んでみたので、 日記をつける程度の感覚でものすごく簡単にまとめてみようと思います。どんな論文を読んでみようか迷っている方のお役に立ったとしたら幸いです。 初学者につき間違い等ありましたら、コメントなどでご教授いただければ幸いです。 ImageNet Classification with Deep Convolutional Neural Networks (link) おそらくこれはDeepLeaningが盛り上がり始めた頃の論文ですね。 これを読んでみた理由としては、学習に使用するデータの正規化等の方法が他の論文から多く引用されているのを発見したからです。 Local Respon
![最近読んだCNN系論文ざっくりまとめ [ 画像編 ] - 電通生のにこにこ調布日記](https://cdn-ak-scissors.b.st-hatena.com/image/square/f53cb93806aa783d57d430bf7abbaa3171ab4285/height=288;version=1;width=512/https%3A%2F%2Fogimage.blog.st-hatena.com%2F10328749687244679943%2F10328749687244705853%2F1495760910)
A Review on Deep Learning Techniques Applied to Semantic Segmentation
Image semantic segmentation is more and more being of interest for computer vision and machine learning researchers. Many applications on the rise need accurate and efficient segmentation mechanisms: autonomous driving, indoor navigation, and even virtual or augmented reality systems to name a few. This demand coincides with the rise of deep learning approaches in almost every field or application
Mask R-CNN
We present a conceptually simple, flexible, and general framework for object instance segmentation. Our approach efficiently detects objects in an image while simultaneously generating a high-quality segmentation mask for each instance. The method, called Mask R-CNN, extends Faster R-CNN by adding a branch for predicting an object mask in parallel with the existing branch for bounding box recognit
Generalization and Equilibrium in Generative Adversarial Nets (GANs)
We show that training of generative adversarial network (GAN) may not have good generalization properties; e.g., training may appear successful but the trained distribution may be far from target distribution in standard metrics. However, generalization does occur for a weaker metric called neural net distance. It is also shown that an approximate pure equilibrium exists in the discriminator/gener
Daisuke Okanohara on Twitter: "GANの学習の際、JSやWasserstein距離を使った場合、汎化保証ができず、訓練誤差を学習が成功しているかの判断に使えない。新しく定義したNN距離、混合分布を使ったMIX+GANsは均衡点が存在し汎化性能を保障できる https://t.co/NTI9nE4iaG"
GANの学習の際、JSやWasserstein距離を使った場合、汎化保証ができず、訓練誤差を学習が成功しているかの判断に使えない。新しく定義したNN距離、混合分布を使ったMIX+GANsは均衡点が存在し汎化性能を保障できる https://t.co/NTI9nE4iaG
Large-Scale Evolution of Image Classifiers
Neural networks have proven effective at solving difficult problems but designing their architectures can be challenging, even for image classification problems alone. Our goal is to minimize human participation, so we employ evolutionary algorithms to discover such networks automatically. Despite significant computational requirements, we show that it is now possible to evolve models with accurac
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
MIRU2018 tutorial
[PDF] Learning Character-level Compositionality with Visual Features
http://arxiv.org/pdf/1512.03385v1