論文の概要: Few-Shot Scene Adaptive Crowd Counting Using Meta-Learning

• arxiv url: http://arxiv.org/abs/2002.00264v3
• Date: Fri, 19 Jun 2020 05:54:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-05 01:04:43.352334
• Title: Few-Shot Scene Adaptive Crowd Counting Using Meta-Learning
• Title（参考訳）: メタラーニングを用いた少数シーン適応型群衆カウント
• Authors: Mahesh Kumar Krishna Reddy, Mohammad Hossain, Mrigank Rochan and Yang Wang
• Abstract要約: 数ショットシーン適応的な群集カウントの問題点を考察する。 対象のカメラシーンが与えられた場合、この特定のシーンにモデルを適応させることを目標としています。 我々は、最近導入された学習から学習へのパラダイムからインスピレーションを得て、この課題を達成する。
• 参考スコア（独自算出の注目度）: 13.149654626505741
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider the problem of few-shot scene adaptive crowd counting. Given a target camera scene, our goal is to adapt a model to this specific scene with only a few labeled images of that scene. The solution to this problem has potential applications in numerous real-world scenarios, where we ideally like to deploy a crowd counting model specially adapted to a target camera. We accomplish this challenge by taking inspiration from the recently introduced learning-to-learn paradigm in the context of few-shot regime. In training, our method learns the model parameters in a way that facilitates the fast adaptation to the target scene. At test time, given a target scene with a small number of labeled data, our method quickly adapts to that scene with a few gradient updates to the learned parameters. Our extensive experimental results show that the proposed approach outperforms other alternatives in few-shot scene adaptive crowd counting. Code is available at https://github.com/maheshkkumar/fscc.
• Abstract（参考訳）: 数ショットシーン適応的な群集カウントの問題を考える。 対象のカメラシーンが与えられた場合、この特定のシーンにモデルを適応させることを目標としています。 この問題に対する解決策は、ターゲットカメラに特化して適応する群衆カウントモデルを理想的に展開する、多くの現実シナリオにおける潜在的な応用がある。 我々は,最近導入された学習から学習へのパラダイムに着想を得て,この課題を達成する。 トレーニングにおいて,本手法はターゲットシーンへの高速適応を容易にする方法でモデルパラメータを学習する。 テスト時には,少数のラベル付きデータを持つターゲットシーンに対して,学習パラメータに若干の勾配を加えて,そのシーンに迅速に適応する。 実験の結果,提案手法は,数シーン適応群数において他の手法よりも優れていることがわかった。 コードはhttps://github.com/maheshkkumar/fsccで入手できる。

関連論文リスト

• SOAR: Scene-debiasing Open-set Action Recognition [81.8198917049666]
  本稿では、対向的なシーン再構成モジュールと適応的な対向的なシーン分類モジュールを備えた、Scene-debiasing Open-set Action Recognition (SOAR)を提案する。 前者は、デコーダが映像特徴の映像背景を再構成することを防止し、特徴学習における背景情報を低減する。 後者は、アクションフォアグラウンドに特に重点を置いて、映像の特徴を与えられたシーンタイプの分類を混乱させることを目的としており、シーン不変情報を学習するのに役立つ。
  論文  参考訳（メタデータ） (2023-09-03T20:20:48Z)
• Bilevel Fast Scene Adaptation for Low-Light Image Enhancement [50.639332885989255]
  低照度シーンにおける画像の強調は、コンピュータビジョンにおいて難しいが、広く懸念されている課題である。 主な障害は、異なるシーンにまたがる分散の相違によるモデリングの混乱にある。 上述の潜在対応をモデル化するための双レベルパラダイムを導入する。 エンコーダのシーン非関連な一般化を多様なシーンにもたらすために、双方向学習フレームワークを構築した。
  論文  参考訳（メタデータ） (2023-06-02T08:16:21Z)
• Break-A-Scene: Extracting Multiple Concepts from a Single Image [80.47666266017207]
  テキストシーン分解の課題を紹介する。 本稿では,対象概念の存在を示すマスクを用いた入力画像の拡張を提案する。 次に、新しい2段階のカスタマイズプロセスを示す。
  論文  参考訳（メタデータ） (2023-05-25T17:59:04Z)
• PoseMatcher: One-shot 6D Object Pose Estimation by Deep Feature Matching [51.142988196855484]
  本稿では,PoseMatcherを提案する。 3ビューシステムに基づくオブジェクトと画像のマッチングのための新しいトレーニングパイプラインを作成します。 PoseMatcherは、画像とポイントクラウドの異なる入力モダリティに対応できるように、IO-Layerを導入します。
  論文  参考訳（メタデータ） (2023-04-03T21:14:59Z)
• Visual Localization via Few-Shot Scene Region Classification [84.34083435501094]
  ビジュアル(再)ローカライゼーションは、既知のシーンでキャプチャされたクエリイメージの6-DoFカメラのポーズを推定する問題に対処する。 画像画素からシーン座標へのマッピングを記憶することで,この問題を解決する。 シーン領域の分類手法を提案する。
  論文  参考訳（メタデータ） (2022-08-14T22:39:02Z)
• Scene Consistency Representation Learning for Video Scene Segmentation [26.790491577584366]
  本稿では,長期ビデオからより優れたショット表現を学習するための,効果的な自己監視学習(SSL)フレームワークを提案する。 本稿では,シーンの一貫性を実現するためのSSLスキームを提案するとともに,モデルの一般化性を高めるためのデータ拡張とシャッフル手法について検討する。 本手法は,映像シーンのタスクにおける最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-05-11T13:31:15Z)
• Less than Few: Self-Shot Video Instance Segmentation [50.637278655763616]
  質問に対して適切なサポートビデオの検索を自動で行うことを提案する。 私たちは、ビデオインスタンスのセグメンテーションを、セルフショット(と数ショット)の設定で初めて取り組んだ。 我々は,新しいトランスモデルを用いた強力なベースライン性能を提供する。
  論文  参考訳（メタデータ） (2022-04-19T13:14:43Z)
• AdaCrowd: Unlabeled Scene Adaptation for Crowd Counting [14.916045549353987]
  本稿では,未ラベルのシーン適応型群衆カウントと呼ばれる新しい問題を提案する。 新しいターゲットシーンを前提として、この特定のシーンに特化して群衆カウントモデルを構築したい。 本稿では,対象シーンからの1つ以上の未ラベル画像を用いて適応を行うことを提案する。
  論文  参考訳（メタデータ） (2020-10-23T03:20:42Z)
• Few-shot Scene-adaptive Anomaly Detection [11.788539543098869]
  本稿では,従来のアプローチの限界に対処するため,新しいシーン適応型異常検出問題を提案する。 私たちのゴールは、わずか数フレームの未確認シーンで異常を検出することを学ぶことです。 この新しい問題に対する信頼性の高いソリューションは、現実世界のアプリケーションに大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2020-07-15T17:08:46Z)
• SceneAdapt: Scene-based domain adaptation for semantic segmentation using adversarial learning [24.37746089471516]
  SceneAdaptは、逆学習に基づくセマンティックセグメンテーションアルゴリズムのシーン適応手法である。 このトピックについての研究を促進するため、私たちはWebページにコードを公開しました。
  論文  参考訳（メタデータ） (2020-06-18T09:43:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。