Fugu-MT 論文翻訳(概要): Table-Top Scene Analysis Using Knowledge-Supervised MCMC

論文の概要: Table-Top Scene Analysis Using Knowledge-Supervised MCMC

arxiv url: http://arxiv.org/abs/2002.08417v1
Date: Wed, 19 Feb 2020 20:10:38 GMT
ステータス: 処理完了
システム内更新日: 2022-12-30 14:29:29.151567
Title: Table-Top Scene Analysis Using Knowledge-Supervised MCMC
Title（参考訳）: 知識スーパービジョンMCMCを用いたテーブルトップシーン解析
Authors: Ziyuan Liu, Dong Chen, Kai M. Wurm, Georg von Wichert
Abstract要約: 我々は,この知識をマルコフ論理ネットワークにおける記述規則として符号化することで,タスク固有文脈知識を利用する。隠れたオブジェクトを推論するためにマルコフ論理推論を適用し、オブジェクトのポーズの誤推定を検出する。
参考スコア（独自算出の注目度）: 8.254832533581205
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we propose a probabilistic method to generate abstract scene graphs for table-top scenes from 6D object pose estimates. We explicitly make use of task-specfic context knowledge by encoding this knowledge as descriptive rules in Markov logic networks. Our approach to generate scene graphs is probabilistic: Uncertainty in the object poses is addressed by a probabilistic sensor model that is embedded in a data driven MCMC process. We apply Markov logic inference to reason about hidden objects and to detect false estimates of object poses. The effectiveness of our approach is demonstrated and evaluated in real world experiments.
Abstract（参考訳）: 本稿では,6次元オブジェクトのポーズ推定からテーブルトップシーンの抽象的なシーングラフを生成する確率的手法を提案する。我々は,この知識をマルコフ論理ネットワークの記述規則としてエンコードすることにより,タスク仕様の文脈知識を明示的に活用する。オブジェクトポーズの不確実性は、データ駆動mcmcプロセスに埋め込まれた確率的センサモデルによって対処されます。隠れたオブジェクトを推論するためにマルコフ論理推論を適用し、オブジェクトのポーズの誤推定を検出する。本手法の有効性を実世界の実験で実証し評価した。

関連論文リスト

Estimating Causal Effects from Learned Causal Networks [56.14597641617531]
本稿では、離散可観測変数に対する因果影響クエリに応答する代替パラダイムを提案する。観測データから直接因果ベイズネットワークとその共起潜伏変数を学習する。本手法は, 推定手法よりも有効であることを示す。
論文参考訳（メタデータ） (2024-08-26T08:39:09Z)
Gaussian Mixture Models for Affordance Learning using Bayesian Networks [50.18477618198277]
Affordancesはアクション、オブジェクト、エフェクト間の関係の基本的な記述である。本稿では,世界を探究し,その感覚経験から自律的にこれらの余裕を学習するエンボディエージェントの問題にアプローチする。
論文参考訳（メタデータ） (2024-02-08T22:05:45Z)
Weakly-supervised Contrastive Learning for Unsupervised Object Discovery [52.696041556640516]
ジェネリックな方法でオブジェクトを発見できるため、教師なしのオブジェクト発見は有望である。画像から高レベルな意味的特徴を抽出する意味誘導型自己教師学習モデルを設計する。オブジェクト領域のローカライズのための主成分分析(PCA)を導入する。
論文参考訳（メタデータ） (2023-07-07T04:03:48Z)
Hierarchical Graph Neural Networks for Proprioceptive 6D Pose Estimation of In-hand Objects [1.8263882169310044]
マルチモーダル(ビジョンとタッチ)データを組み合わせた階層型グラフニューラルネットワークアーキテクチャを提案する。また、グラフベースのオブジェクト表現を学習するために、モダリティ内および横断的に情報を流す階層的なメッセージパッシング操作を導入する。
論文参考訳（メタデータ） (2023-06-28T01:18:53Z)
Category-Agnostic 6D Pose Estimation with Conditional Neural Processes [19.387280883044482]
未知物体の6次元ポーズ推定のためのメタラーニング手法を提案する。本アルゴリズムは,オブジェクトの表現をカテゴリに依存しない方法で学習し,オブジェクトカテゴリをまたいだ強力な一般化機能を実現する。
論文参考訳（メタデータ） (2022-06-14T20:46:09Z)
Information-Theoretic Odometry Learning [83.36195426897768]
生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
論文参考訳（メタデータ） (2022-03-11T02:37:35Z)
Masked prediction tasks: a parameter identifiability view [49.533046139235466]
マスク付きトークンの予測に広く用いられている自己教師型学習手法に着目する。いくつかの予測タスクは識別可能性をもたらすが、他のタスクはそうではない。
論文参考訳（メタデータ） (2022-02-18T17:09:32Z)
A Probabilistic Framework for Dynamic Object Recognition in 3D Environment With A Novel Continuous Ground Estimation Method [0.0]
3次元環境における動的物体認識のための確率的フレームワークを開発し提案する。ガウス過程回帰(GPR)に基づく新しい手法が開発され、異なる都市シナリオにおける接地点を検出する。
論文参考訳（メタデータ） (2022-01-27T16:07:10Z)
POMP: Pomcp-based Online Motion Planning for active visual search in indoor environments [89.43830036483901]
本稿では, 屋内環境におけるオブジェクトのアクティブビジュアルサーチ(AVS)の最適ポリシーを, オンライン設定で学習する問題に焦点をあてる。提案手法はエージェントの現在のポーズとRGB-Dフレームを入力として使用する。提案手法を利用可能なAVDベンチマークで検証し,平均成功率0.76,平均パス長17.1とした。
論文参考訳（メタデータ） (2020-09-17T08:23:50Z)
Symbolic Learning and Reasoning with Noisy Data for Probabilistic Anchoring [19.771392829416992]
ボトムアップオブジェクトアンカーに基づくセマンティックワールドモデリング手法を提案する。我々は、マルチモーダル確率分布を扱うためにアンカーの定義を拡張した。我々は統計的リレーショナル・ラーニングを用いて、アンカーリング・フレームワークが記号的知識を学習できるようにする。
論文参考訳（メタデータ） (2020-02-24T16:58:00Z)
A Generalizable Knowledge Framework for Semantic Indoor Mapping Based on Markov Logic Networks and Data Driven MCMC [2.4214518935746185]
データ抽象化のための一般化可能な知識フレームワークを提案する。これらの抽象的な用語に基づいて、インテリジェントな自律システムは、特定の知識ベースに応じて推論を行うことができるべきである。本稿では,このフレームワークを特定のタスク,特にセマンティックロボットマッピングに適用する方法を詳細に示す。
論文参考訳（メタデータ） (2020-02-19T19:30:10Z)

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。