論文の概要: Transferring Dense Pose to Proximal Animal Classes

• arxiv url: http://arxiv.org/abs/2003.00080v1
• Date: Fri, 28 Feb 2020 21:43:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-28 02:30:50.624222
• Title: Transferring Dense Pose to Proximal Animal Classes
• Title（参考訳）: 近位動物学級への香料の移動
• Authors: Artsiom Sanakoyeu, Vasil Khalidov, Maureen S. McCarthy, Andrea Vedaldi, Natalia Neverova
• Abstract要約: より一般的な対象検出器やセグメンタなどと同様に、密集したポーズ認識に存在する知識を、他のクラスにおける密集したポーズ認識の問題に移すことが可能であることを示す。 我々は、人間と幾何学的に整合した新しい動物のためのDensePoseモデルを確立することでこれを行う。 また、クラスチンパンジーにDensePoseの方法でラベル付けされた2つのベンチマークデータセットを導入し、アプローチを評価するためにそれらを使用します。
• 参考スコア（独自算出の注目度）: 83.84439508978126
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent contributions have demonstrated that it is possible to recognize the pose of humans densely and accurately given a large dataset of poses annotated in detail. In principle, the same approach could be extended to any animal class, but the effort required for collecting new annotations for each case makes this strategy impractical, despite important applications in natural conservation, science and business. We show that, at least for proximal animal classes such as chimpanzees, it is possible to transfer the knowledge existing in dense pose recognition for humans, as well as in more general object detectors and segmenters, to the problem of dense pose recognition in other classes. We do this by (1) establishing a DensePose model for the new animal which is also geometrically aligned to humans (2) introducing a multi-head R-CNN architecture that facilitates transfer of multiple recognition tasks between classes, (3) finding which combination of known classes can be transferred most effectively to the new animal and (4) using self-calibrated uncertainty heads to generate pseudo-labels graded by quality for training a model for this class. We also introduce two benchmark datasets labelled in the manner of DensePose for the class chimpanzee and use them to evaluate our approach, showing excellent transfer learning performance.
• Abstract（参考訳）: 近年のコントリビューションでは、人間のポーズを密に正確に認識し、詳細に注釈付けされたポーズの大きなデータセットを付与できることが示されている。 原則として、同じアプローチはあらゆる動物クラスに拡張できるが、各ケースに対する新しいアノテーションを集めるのに必要な努力は、自然保護、科学、ビジネスに重要な応用があるにもかかわらず、この戦略を非現実的にする。 少なくともチンパンジーのような近位動物クラスでは、人間に対する高密度なポーズ認識や、より一般的な物体検出器やセグメンタに存在する知識を、他のクラスにおける高密度なポーズ認識の問題に移すことができる。 我々は,(1)クラス間での複数認識タスクの転送を容易にするマルチヘッドr-cnnアーキテクチャを導入すること,(3)既知のクラスの組み合わせを最も効果的に新しい動物に伝達できること,(4)自己共役不確実性ヘッドを用いて擬似ラベルを生成すること,の2つを用いて,ヒトにも幾何学的に整列した新しい動物のための密度分布モデルを構築した。 また,クラスチンパンジーのDensePose方式でラベル付けされた2つのベンチマークデータセットを導入し,それを用いて我々のアプローチを評価し,優れた転送学習性能を示す。

関連論文リスト

• Understanding the Impact of Training Set Size on Animal Re-identification [36.37275024049744]
  本研究では,種特異的な特徴,特に個体内変異が,訓練データ要求に顕著な影響を及ぼすことを示す。 ローカル機能とエンド・ツー・エンドの学習ベースのアプローチの利点を実証する。
  論文  参考訳（メタデータ） (2024-05-24T23:15:52Z)
• Learning the 3D Fauna of the Web [70.01196719128912]
  3D-Faunaは,100種以上の動物種を対象に,パンカテゴリーで変形可能な3D動物モデルを共同で学習する手法である。 動物モデリングにおける重要なボトルネックの1つは、トレーニングデータの可用性の制限である。 従来のカテゴリー固有の試みは,訓練画像に制限のある希少種への一般化に失敗することを示す。
  論文  参考訳（メタデータ） (2024-01-04T18:32:48Z)
• SuperAnimal pretrained pose estimation models for behavioral analysis [42.206265576708255]
  行動の定量化は神経科学、獣医学、動物保護活動など様々な応用において重要である。 我々は、SuperAnimalと呼ばれる新しい手法で統一基盤モデルを開発するための一連の技術革新を提案する。
  論文  参考訳（メタデータ） (2022-03-14T18:46:57Z)
• The Overlooked Classifier in Human-Object Interaction Recognition [82.20671129356037]
  クラス間の意味的相関を分類ヘッドにエンコードし,重みをHOIの言語埋め込みで初期化する。 我々は,LSE-Sign という新しい損失を,長い尾を持つデータセット上でのマルチラベル学習を強化するために提案する。 我々は,物体検出と人間のポーズを明確なマージンで求める最先端技術よりも優れた,検出不要なHOI分類を可能にする。
  論文  参考訳（メタデータ） (2022-03-10T23:35:00Z)
• Long-tail Recognition via Compositional Knowledge Transfer [60.03764547406601]
  末尾クラスの少数ショット問題に対処する長尾認識のための新しい戦略を導入する。 我々の目標は、情報に富んだ共通クラスから得られた知識を、意味的に類似しているがデータに富む稀なクラスに伝達することである。 実験結果から,本手法は稀なクラスにおいて,堅牢な共通クラス性能を維持しつつ,大幅な性能向上を達成できることが示唆された。
  論文  参考訳（メタデータ） (2021-12-13T15:48:59Z)
• Pose Recognition in the Wild: Animal pose estimation using Agglomerative Clustering and Contrastive Learning [0.0]
  我々は,複数の動物のポーズを非ラベルデータから認識できる新しいアーキテクチャを提案する。 私たちは、下層の解剖学ではなく、その視覚的行動に基づいて、動物の身体の部位を区別することができます。
  論文  参考訳（メタデータ） (2021-11-16T07:00:31Z)
• Unified 3D Mesh Recovery of Humans and Animals by Learning Animal Exercise [29.52068540448424]
  そこで本研究では,人間と四足歩行動物の3Dメッシュのエンド・ツー・エンドの統合化について検討する。 我々は人間と動物の形態的類似性を利用して、人間が動物のポーズを模倣する動物運動に動機づけられた。
  論文  参考訳（メタデータ） (2021-11-03T18:15:50Z)
• Continuous Surface Embeddings [76.86259029442624]
  我々は、変形可能な対象カテゴリーにおける密接な対応を学習し、表現するタスクに焦点をあてる。 本稿では,高密度対応の新たな学習可能な画像ベース表現を提案する。 提案手法は,人間の身近なポーズ推定のための最先端手法と同等以上の性能を示すことを示す。
  論文  参考訳（メタデータ） (2020-11-24T22:52:15Z)
• Symbiotic Adversarial Learning for Attribute-based Person Search [86.7506832053208]
  本稿では,共生学習の枠組みとして,共生学習の基盤に2つのGANを配置する。 具体的には、2種類の生成的敵ネットワークがトレーニングプロセスを通して協調的に学習する。
  論文  参考訳（メタデータ） (2020-07-19T07:24:45Z)

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。