論文の概要: Learning Descriptors Invariance Through Equivalence Relations Within Manifold: A New Approach to Expression Invariant 3D Face Recognition

• arxiv url: http://arxiv.org/abs/2005.04823v1
• Date: Mon, 11 May 2020 01:23:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-04 20:19:34.627008
• Title: Learning Descriptors Invariance Through Equivalence Relations Within Manifold: A New Approach to Expression Invariant 3D Face Recognition
• Title（参考訳）: 多様体内の同値関係による学習記述子不変性:式不変3次元顔認識への新しいアプローチ
• Authors: Faisal R. Al-Osaimi
• Abstract要約: 本稿では,キーポイント記述子の有用性と欠点の両立にユニークなアプローチを提案する。 記述子のバリエーションは、トレーニング例から学習される。 トレーニングデータのラベルに基づいて、記述子間の等価関係を確立する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a unique approach for the dichotomy between useful and adverse variations of key-point descriptors, namely the identity and the expression variations in the descriptor (feature) space. The descriptors variations are learned from training examples. Based on the labels of the training data, the equivalence relations among the descriptors are established. Both types of descriptor variations are represented by a graph embedded in the descriptor manifold. The invariant recognition is then conducted as a graph search problem. A heuristic graph search algorithm suitable for the recognition under this setup was devised. The proposed approach was tests on the FRGC v2.0, the Bosphorus and the 3D TEC datasets. It has shown to enhance the recognition performance, under expression variations in particular, by considerable margins.
• Abstract（参考訳）: 本稿では,キーポイントディスクリプタの有効変種と悪質な変種,すなわちディスクリプタ(機能)空間における同一性と表現の変種を区別する一意なアプローチを提案する。 記述子の変化は、トレーニング例から学習される。 トレーニングデータのラベルに基づいて、記述者間の同値関係を確立する。 両方のディスクリプタのバリエーションはディスクリプタ多様体に埋め込まれたグラフによって表現される。 不変認識はグラフ探索問題として実行される。 この設定下での認識に適したヒューリスティックグラフ探索アルゴリズムを考案した。 提案されたアプローチはFRGC v2.0、Bosphorus、および3D TECデータセットの試験であった。 特に表現のバリエーションによって認識性能がかなり向上していることが示されている。

関連論文リスト

• Multi-threshold Deep Metric Learning for Facial Expression Recognition [60.26967776920412]
  本稿では,難易度検証を回避する多閾値深度学習手法を提案する。 その結果,三重項損失のそれぞれの閾値は本質的にクラス間変動の特異な分布を決定することがわかった。 埋め込み層はスライスで構成されており、より情報的で差別的な特徴である。
  論文  参考訳（メタデータ） (2024-06-24T08:27:31Z)
• Dynamic Visual Semantic Sub-Embeddings and Fast Re-Ranking [0.5242869847419834]
  情報エントロピーを低減するために動的ビジュアルセマンティックサブエンベッドディングフレームワーク(DVSE)を提案する。 生成した候補埋め込みに様々な意味的変動を捉えるよう促すため,混合分布を構築した。 3つのベンチマークデータセット上の4つの画像特徴エンコーダと2つのテキスト特徴エンコーダを用いて,既存のセットベース手法と比較した。
  論文  参考訳（メタデータ） (2023-09-15T04:39:11Z)
• ALIKED: A Lighter Keypoint and Descriptor Extraction Network via Deformable Transformation [27.04762347838776]
  本稿では,各キーポイントに対するサポート機能の変形可能な位置を学習し,変形可能な記述子を構成するSparse Deformable Descriptor Head (SDDH)を提案する。 提案するネットワークは,画像マッチング,3次元再構成,視覚的再局在化など,様々な視覚計測タスクにおいて効率的かつ強力であることを示す。
  論文  参考訳（メタデータ） (2023-04-07T12:05:39Z)
• Part-guided Relational Transformers for Fine-grained Visual Recognition [59.20531172172135]
  識別的特徴を学習し,特徴変換モジュールとの相関関係を探索するフレームワークを提案する。 提案手法は,3-of-the-levelオブジェクト認識において,部分ブランチの追加に頼らず,最先端の性能に達する。
  論文  参考訳（メタデータ） (2022-12-28T03:45:56Z)
• Training speech emotion classifier without categorical annotations [1.5609988622100528]
  本研究の目的は, これら2つの表現の関係について検討することである。 提案手法は、与えられた音声の次元表現における連続値のベクトルを予測するために訓練された回帰器モデルを含む。 このモデルの出力は、マッピングアルゴリズムを用いて感情カテゴリーとして解釈できる。
  論文  参考訳（メタデータ） (2022-10-14T08:47:41Z)
• Active Learning by Feature Mixing [52.16150629234465]
  本稿では,ALFA-Mixと呼ばれるバッチ能動学習手法を提案する。 予測の不整合を求めることにより,不整合な特徴を持つインスタンスを同定する。 これらの予測の不整合は、モデルが未認識のインスタンスで認識できない特徴を発見するのに役立ちます。
  論文  参考訳（メタデータ） (2022-03-14T12:20:54Z)
• Path Integrals for the Attribution of Model Uncertainties [0.18899300124593643]
  本稿では,特徴ベクトルと反事実ベクトルを連結する分布内曲線に依存する新しいアルゴリズムを提案する。 我々は,様々な解像度で画像データセットをベンチマークし,解釈可能性を大幅に単純化することを示す。
  論文  参考訳（メタデータ） (2021-07-19T11:07:34Z)
• D2D: Keypoint Extraction with Describe to Detect Approach [48.0325745125635]
  本稿では,ディスクリプタ空間内の情報を利用してキーポイント位置を提案する手法を提案する。 本稿では,まずキーポイント位置を記述し,次に検出することで,この過程を逆転する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-27T19:27:46Z)
• MGCN: Descriptor Learning using Multiscale GCNs [50.14172863706108]
  グラフウェーブレットを用いて表面上のディリクレエネルギーを分解する新しい非学習的特徴を示す。 また,新たなグラフ畳み込みネットワーク (MGCN) を提案し,非学習的特徴をより差別的な記述子に変換する。
  論文  参考訳（メタデータ） (2020-01-28T17:25:14Z)
• Learning and Matching Multi-View Descriptors for Registration of Point Clouds [48.25586496457587]
  まず,複数視点の画像から学習した多視点局所記述子を3次元キーポイント記述のために提案する。 そこで我々は,効率的な推論に基づいて,外乱マッチングを拒否することを目的とした,ロバストなマッチング手法を開発した。 我々は、パブリックスキャンとマルチビューステレオデータセットの登録に対する我々のアプローチの強化を実証した。
  論文  参考訳（メタデータ） (2018-07-16T01:58:27Z)

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。