論文の概要: Correlating Edge, Pose with Parsing

• arxiv url: http://arxiv.org/abs/2005.01431v1
• Date: Mon, 4 May 2020 12:39:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-07 01:03:50.297157
• Title: Correlating Edge, Pose with Parsing
• Title（参考訳）: エッジの関連、パースによるポーズ
• Authors: Ziwei Zhang, Chi Su, Liang Zheng, Xiaodong Xie
• Abstract要約: 本稿では,人間の意味的境界とキーポイント位置が協調的に人間の解析を改善する方法について検討する。 本研究では,不均一な非局所ブロックを用いた相関解析装置(CorrPM)を提案する。
• 参考スコア（独自算出の注目度）: 35.27973063976257
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: According to existing studies, human body edge and pose are two beneficial factors to human parsing. The effectiveness of each of the high-level features (edge and pose) is confirmed through the concatenation of their features with the parsing features. Driven by the insights, this paper studies how human semantic boundaries and keypoint locations can jointly improve human parsing. Compared with the existing practice of feature concatenation, we find that uncovering the correlation among the three factors is a superior way of leveraging the pivotal contextual cues provided by edges and poses. To capture such correlations, we propose a Correlation Parsing Machine (CorrPM) employing a heterogeneous non-local block to discover the spatial affinity among feature maps from the edge, pose and parsing. The proposed CorrPM allows us to report new state-of-the-art accuracy on three human parsing datasets. Importantly, comparative studies confirm the advantages of feature correlation over the concatenation.
• Abstract（参考訳）: 既存の研究によると、人体のエッジとポーズは人間の解析にとって2つの有益な要素である。 各高レベル特徴(エッジとポーズ)の有効性は、それらの特徴と解析特徴の結合によって確認される。 本稿では,人間の意味的境界とキーポイントの位置が,人間のパースを協調的に改善する方法について検討する。 既存の機能結合のプラクティスと比較して,3つの要因間の相関を明らかにすることが,エッジとポーズによって提供される重要な文脈的手がかりを活用する上で優れた方法であることが分かりました。 このような相関関係を捉えるために,不均一な非局所ブロックを用いた相関解析装置(CorrPM)を提案する。 提案するcorrpmにより、3つのパースデータセットに新たな最先端精度を報告できる。 重要なことに、比較研究は結合に対する特徴相関の利点を確認する。

関連論文リスト

• Towards Human-Like Machine Comprehension: Few-Shot Relational Learning in Visually-Rich Documents [16.78371134590167]
  Visually-Rich Documents (VRDs) ではキーバリュー関係が一般的である これらの非テクスト的手がかりは、人間の理解とそのような関係三重項の獲得を大幅に促進する重要な指標となる。 本研究は,VRDにおけるキー-値関係三重項の抽出を目的とした,数発のリレーショナル学習に焦点を当てた。
  論文  参考訳（メタデータ） (2024-03-23T08:40:35Z)
• Exploring Self- and Cross-Triplet Correlations for Human-Object Interaction Detection [38.86053346974547]
  本稿では,HOI検出のための自己相関とクロストリプレット相関について検討する。 具体的には、各三重項提案を、Human、Objectがノードを表し、Actionがエッジを示すグラフとみなす。 また、インスタンスレベル、セマンティックレベル、レイアウトレベルの関係を共同で検討することで、クロストリップの依存関係についても検討する。
  論文  参考訳（メタデータ） (2024-01-11T05:38:24Z)
• Learning Complete Topology-Aware Correlations Between Relations for Inductive Link Prediction [121.65152276851619]
  関係性間の意味的相関は本質的にエッジレベルとエンティティ非依存であることを示す。 本研究では,関係関係のトポロジ・アウェア・コレレーションをモデル化するための新しいサブグラフベース手法,TACOを提案する。 RCNのポテンシャルをさらに活用するために, 完全コモンニアインダストリアルサブグラフを提案する。
  論文  参考訳（メタデータ） (2023-09-20T08:11:58Z)
• CIParsing: Unifying Causality Properties into Multiple Human Parsing [82.32620538918812]
  既存のMHP(Multiple Human Parsing)の手法は、画像とラベル付けされた身体部分との間の基礎となる関係を取得するために統計モデルを適用している。 我々はCIParsingと呼ばれる因果性にインスパイアされた構文解析のパラダイムを提示し、人間の解析に2つの因果性を含む基本的な因果原理に従う。 CIParsingはプラグイン・アンド・プレイ方式で設計されており、既存のMHPモデルに統合することができる。
  論文  参考訳（メタデータ） (2023-08-23T15:56:26Z)
• Best Practices for 2-Body Pose Forecasting [58.661899246497896]
  我々は、人間のポーズ予測の進捗状況を概観し、最善を尽くす一対一の実践を詳細に評価する。 他の1人のプラクティスは2体に移行しないため、提案されているベストプラクティスは階層的なボディモデリングや注目に基づくインタラクションエンコーディングは含まない。 提案した2体ポーズによるベストプラクティス予測では,最新のExPIデータセットのパフォーマンスが21.9%向上した。
  論文  参考訳（メタデータ） (2023-04-12T10:46:23Z)
• Extracting all Aspect-polarity Pairs Jointly in a Text with Relation Extraction Approach [6.844982778392037]
  本稿では,関係抽出技術を用いたテキストから直接アスペクト極性ペアを生成することを提案する。 アスペクト極性対の結合抽出のための位置認識とアスペクト認識のシーケンス2系列モデルを提案する。
  論文  参考訳（メタデータ） (2021-09-01T09:00:39Z)
• DRG: Dual Relation Graph for Human-Object Interaction Detection [65.50707710054141]
  人-物間相互作用(HOI)検出の課題に対処する。 既存の方法は、人間と物体の対の相互作用を独立に認識するか、複雑な外観に基づく共同推論を行う。 本稿では,抽象的空間意味表現を活用して,各対象対を記述し,二重関係グラフを用いてシーンの文脈情報を集約する。
  論文  参考訳（メタデータ） (2020-08-26T17:59:40Z)
• Hierarchical Human Parsing with Typed Part-Relation Reasoning [179.64978033077222]
  このタスクでは、人体構造をモデル化する方法が中心的なテーマである。 深層グラフネットワークの表現能力と階層的人間構造を同時に活用することを模索する。
  論文  参考訳（メタデータ） (2020-03-10T16:45:41Z)

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。