論文の概要: Chaotic Phase Synchronization and Desynchronization in an Oscillator Network for Object Selection

• arxiv url: http://arxiv.org/abs/2002.05493v1
• Date: Thu, 13 Feb 2020 13:39:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-01 10:12:18.363709
• Title: Chaotic Phase Synchronization and Desynchronization in an Oscillator Network for Object Selection
• Title（参考訳）: 物体選択用発振器ネットワークにおけるカオス位相同期と非同期化
• Authors: Fabricio A Breve, Marcos G Quiles, Liang Zhao, and Elbert E. N. Macau
• Abstract要約: 対象選択とは、ある視覚的なシーンにおいて、他の対象や背景を無視しながら関心のある対象を抽出するメカニズムを指す。 カオス相同期は、ほぼ同じ力学系を含む場合において起こる。 脳内の神経統合のメカニズムとして,物体選択モデルが提案されている。
• 参考スコア（独自算出の注目度）: 8.273675092267116
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Object selection refers to the mechanism of extracting objects of interest while ignoring other objects and background in a given visual scene. It is a fundamental issue for many computer vision and image analysis techniques and it is still a challenging task to artificial visual systems. Chaotic phase synchronization takes place in cases involving almost identical dynamical systems and it means that the phase difference between the systems is kept bounded over the time, while their amplitudes remain chaotic and may be uncorrelated. Instead of complete synchronization, phase synchronization is believed to be a mechanism for neural integration in brain. In this paper, an object selection model is proposed. Oscillators in the network representing the salient object in a given scene are phase synchronized, while no phase synchronization occurs for background objects. In this way, the salient object can be extracted. In this model, a shift mechanism is also introduced to change attention from one object to another. Computer simulations show that the model produces some results similar to those observed in natural vision systems.
• Abstract（参考訳）: オブジェクトの選択は、ある視覚シーンで他のオブジェクトや背景を無視しながら、興味のあるオブジェクトを抽出するメカニズムを指す。 多くのコンピュータビジョンや画像解析技術において基本的な問題であり、現在でも人工視覚システムにとって難しい課題である。 カオス位相同期は、ほぼ同一の力学系を含む場合に起こり、系間の位相差は時間とともに境界が保たれるが、それらの振幅はカオス的であり、相関しない可能性がある。 完全な同期の代わりに、位相同期は脳内の神経統合のメカニズムであると考えられている。 本稿では,オブジェクト選択モデルを提案する。 与えられたシーン内のサルエントオブジェクトを表すネットワークの発振器は位相同期されるが、バックグラウンドオブジェクトでは位相同期は発生しない。 このようにして、健全な物体を抽出することができる。 このモデルでは、あるオブジェクトから別のオブジェクトへ注意を移すためのシフト機構も導入される。 コンピュータシミュレーションは、モデルが自然視系で観測されるものと類似した結果を生み出すことを示した。

関連論文リスト

• Tracking objects that change in appearance with phase synchrony [14.784044408031098]
  ニューラルシンクロニーにより,新たな深層学習回路が,世界の場所と独立して特徴への注意を制御できることが示される。 大規模課題であるFeatureTrackerを用いて、人間、CV-RNN、その他のディープニューラルネットワーク(DNN)のオブジェクト追跡を比較した。 我々のCV-RNNは、この課題において人間と同じような振る舞いをし、相同期の役割の計算的概念実証を提供する。
  論文  参考訳（メタデータ） (2024-10-02T23:30:05Z)
• Binding Dynamics in Rotating Features [72.80071820194273]
  本稿では,特徴間のアライメントを明示的に計算し,それに応じて重みを調整する「コサイン結合」機構を提案する。 これにより、自己注意と生物学的神経プロセスに直接接続し、回転する特徴に現れるオブジェクト中心の表現の基本的なダイナミクスに光を当てることができます。
  論文  参考訳（メタデータ） (2024-02-08T12:31:08Z)
• Synchformer: Efficient Synchronization from Sparse Cues [100.89656994681934]
  コントリビューションには、新しい音声-視覚同期モデル、同期モデルからの抽出を分離するトレーニングが含まれる。 このアプローチは、濃密な設定とスパース設定の両方において最先端の性能を実現する。 また,100万スケールの 'in-the-wild' データセットに同期モデルのトレーニングを拡張し,解釈可能性に対するエビデンス属性技術を調査し,同期モデルの新たな機能であるオーディオ-視覚同期性について検討する。
  論文  参考訳（メタデータ） (2024-01-29T18:59:55Z)
• Transformer Network for Multi-Person Tracking and Re-Identification in Unconstrained Environment [0.6798775532273751]
  マルチオブジェクトトラッキング(MOT)は、監視、スポーツ分析、自動運転、協調ロボットなど、さまざまな分野に深く応用されている。 我々は、オブジェクト検出とアイデンティティリンクを単一のエンドツーエンドのトレーニング可能なフレームワーク内にマージする統合MOT手法を提唱した。 本システムでは,記憶時記憶モジュールの高機能化を図り,アグリゲータを用いて効果的に記憶時記憶モジュールを符号化する。
  論文  参考訳（メタデータ） (2023-12-19T08:15:22Z)
• ROAM: Robust and Object-Aware Motion Generation Using Neural Pose Descriptors [73.26004792375556]
  本稿では,3次元オブジェクト認識キャラクタ合成における新しいシーンオブジェクトへのロバストさと一般化が,参照オブジェクトを1つも持たないモーションモデルをトレーニングすることで実現可能であることを示す。 我々は、オブジェクト専用のデータセットに基づいて訓練された暗黙的な特徴表現を活用し、オブジェクトの周りのSE(3)-同変記述体フィールドをエンコードする。 本研究では,3次元仮想キャラクタの動作と相互作用の質,および未知のオブジェクトを持つシナリオに対するロバスト性を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2023-08-24T17:59:51Z)
• Anticipating synchronization with machine learning [1.0958014189747356]
  動的システムの応用においては、同期の開始を予測することが望ましい。 我々は,モデルフリーかつデータ駆動の予測フレームワークを開発した。 代表的なカオスモデルと小さなネットワークシステムを用いた機械学習ベースのフレームワークを実証する。
  論文  参考訳（メタデータ） (2021-03-13T03:51:48Z)
• Learning Temporal Dynamics from Cycles in Narrated Video [85.89096034281694]
  時が経つにつれて世界がどのように変化するかをモデル化する学習問題に対する自己監督型ソリューションを提案します。 私たちのモデルは、前方および後方の時間を予測するためにモダリティに依存しない関数を学習します。 将来的な動作の予測や画像の時間的順序付けなど,様々なタスクに対して,学習されたダイナミクスモデルを適用する。
  論文  参考訳（メタデータ） (2021-01-07T02:41:32Z)
• Event-based Motion Segmentation with Spatio-Temporal Graph Cuts [51.17064599766138]
  イベントベースカメラで取得したオブジェクトを独立に識別する手法を開発した。 この方法は、予想される移動物体の数を事前に決定することなく、技術状態よりも同等以上の性能を発揮する。
  論文  参考訳（メタデータ） (2020-12-16T04:06:02Z)
• Phase Anti-Synchronization dynamics between Mechanical Oscillator and Atomic Ensemble within a Fabry-Perot Cavity [4.651230507491374]
  位相同期とは、2つ以上のシステム間の位相差がロックされている集合現象の一種である。 我々は、位相差の代わりに位相和がロックされる新しい同期現象を観察する。 この異なる同期を相反同期(phase anti-synchronization)と呼び、相反同期(phase anti-synchronization)が古典レベルと量子レベルの両方で達成可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-05T08:43:53Z)
• Event-based Asynchronous Sparse Convolutional Networks [54.094244806123235]
  イベントカメラはバイオインスパイアされたセンサーで、非同期でスパースな「イベント」の形で画素ごとの明るさ変化に反応する。 同期画像のようなイベント表現で訓練されたモデルを、同じ出力を持つ非同期モデルに変換するための一般的なフレームワークを提案する。 理論的および実験的に、これは高容量同期ニューラルネットワークの計算複雑性と遅延を大幅に減少させることを示す。
  論文  参考訳（メタデータ） (2020-03-20T08:39:49Z)
• End-to-end Learning of Object Motion Estimation from Retinal Events for Event-based Object Tracking [35.95703377642108]
  イベントベースオブジェクト追跡のためのパラメトリックオブジェクトレベルの動き/変換モデルを学習し、回帰する新しいディープニューラルネットワークを提案する。 この目的を達成するために,線形時間減衰表現を用いた同期時間曲面を提案する。 我々は、TSLTDフレームのシーケンスを新しい網膜運動回帰ネットワーク(RMRNet)に供給し、エンド・ツー・エンドの5-DoFオブジェクト・モーション・レグレッションを実行する。
  論文  参考訳（メタデータ） (2020-02-14T08:19:50Z)

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。