論文の概要: The pursuit of beauty: Converting image labels to meaningful vectors
- arxiv url: http://arxiv.org/abs/2008.00665v1
- Date: Mon, 3 Aug 2020 06:33:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-03 05:56:59.950316
- Title: The pursuit of beauty: Converting image labels to meaningful vectors
- Title（参考訳）: 美の追求:画像ラベルを意味のあるベクトルに変換する
- Authors: Savvas Karatsiolis and Andreas Kamilaris
- Abstract要約: 本稿では,Occlusion-based Latent Representations (OLR) と呼ばれる手法を提案する。
情報豊かさに加えて、これらの表現は、各画像ラベルが別個のベクトルに符号化される非交叉低次元潜在空間を構成する。
我々は,これらの表現の質を一連の実験で評価し,その結果から,提案モデルがデータ概念を捕捉し,データ相互関係を発見できることが示唆された。
- 参考スコア（独自算出の注目度）: 2.741266294612776
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A challenge of the computer vision community is to understand the semantics
of an image, in order to allow image reconstruction based on existing
high-level features or to better analyze (semi-)labelled datasets. Towards
addressing this challenge, this paper introduces a method, called
Occlusion-based Latent Representations (OLR), for converting image labels to
meaningful representations that capture a significant amount of data semantics.
Besides being informational rich, these representations compose a disentangled
low-dimensional latent space where each image label is encoded into a separate
vector. We evaluate the quality of these representations in a series of
experiments whose results suggest that the proposed model can capture data
concepts and discover data interrelations.
- Abstract（参考訳）: コンピュータビジョンコミュニティの課題は、画像のセマンティクスを理解し、既存のハイレベルな特徴に基づいた画像再構成を可能にするか(セミ)ラベル付きデータセットをよりよく分析することである。
本稿では,この課題に対処するために,画像ラベルを意味のある表現に変換し,大量のデータ意味論をキャプチャするオクルージョンベース潜在表現(olr)という手法を提案する。
情報豊かさに加えて、これらの表現は、各画像ラベルが別個のベクトルに符号化される非交叉低次元潜在空間を構成する。
我々は,これらの表現の質を一連の実験で評価し,提案モデルがデータ概念を捕捉し,データ相互関係を発見することを示唆した。
関連論文リスト
- Wavelet-based Unsupervised Label-to-Image Translation [9.339522647331334]
本稿では、自己教師付きセグメンテーション損失と全画像ウェーブレットに基づく識別を併用した、SIS(USIS)のための新しいアン教師付きパラダイムを提案する。
3つの挑戦的なデータセットで方法論を検証し、ペアモデルとアンペアモデルのパフォーマンスギャップを橋渡しする能力を実証する。
論文 参考訳（メタデータ） (2023-05-16T17:48:44Z) - Dual-Perspective Semantic-Aware Representation Blending for Multi-Label
Image Recognition with Partial Labels [70.36722026729859]
本稿では,多粒度カテゴリ固有の意味表現を異なる画像にブレンドした,二重パースペクティブな意味認識表現ブレンディング(DSRB)を提案する。
提案したDSは、すべての比率ラベル設定において、最先端のアルゴリズムを一貫して上回っている。
論文 参考訳（メタデータ） (2022-05-26T00:33:44Z) - Graph Attention Transformer Network for Multi-Label Image Classification [50.0297353509294]
複雑なラベル間関係を効果的にマイニングできる多ラベル画像分類のための一般的なフレームワークを提案する。
提案手法は3つのデータセット上で最先端の性能を実現することができる。
論文 参考訳（メタデータ） (2022-03-08T12:39:05Z) - Region-level Active Learning for Cluttered Scenes [60.93811392293329]
本稿では,従来の画像レベルのアプローチとオブジェクトレベルのアプローチを一般化した領域レベルのアプローチに仮定する新たな戦略を提案する。
その結果,本手法はラベル付けの労力を大幅に削減し,クラス不均衡や散らかったシーンを生かしたリアルなデータに対する希少なオブジェクト検索を改善することが示唆された。
論文 参考訳（メタデータ） (2021-08-20T14:02:38Z) - Multi-layered Semantic Representation Network for Multi-label Image
Classification [8.17894017454724]
マルチラベル画像分類(MLIC)は,複数の可能なラベルを画像に割り当てることを目的とした,基本的で実践的な課題である。
近年,多くのディープ畳み込みニューラルネットワーク(CNN)に基づく手法が提案され,ラベル相関がモデル化されている。
本稿では,ラベル相関のモデル化と意味表現の学習を改善することにより,この研究の方向性を推し進める。
論文 参考訳（メタデータ） (2021-06-22T08:04:22Z) - Semantic Diversity Learning for Zero-Shot Multi-label Classification [14.480713752871523]
本研究では,マルチラベルゼロショット学習のためのエンドツーエンドモデルトレーニングを提案する。
本研究では,主埋め込みベクトルを持つ埋め込み行列を用いて,調整された損失関数を用いて訓練する。
さらに, 学習中, 組込み行列の多様性を促進するために, 高い意味的多様性を示す損失関数画像サンプルの重み付けを提案する。
論文 参考訳（メタデータ） (2021-05-12T19:39:07Z) - General Multi-label Image Classification with Transformers [30.58248625606648]
視覚的特徴やラベル間の複雑な依存関係を利用するための分類変換器(C-Tran)を提案する。
本手法の重要な要素は,3次符号化方式を用いてラベルの状態を表すラベルマスク訓練目標である。
我々のモデルは、COCOやVisual Genomeのような挑戦的なデータセットに対する最先端のパフォーマンスを示す。
論文 参考訳（メタデータ） (2020-11-27T23:20:35Z) - Using Text to Teach Image Retrieval [47.72498265721957]
ニューラルネットワークを用いて学習した画像の特徴空間をグラフとして表現するために,画像多様体の概念に基づいて構築する。
我々は、幾何学的に整列したテキストで多様体のサンプルを増補し、大量の文を使って画像について教える。
実験結果から, 結合埋め込み多様体は頑健な表現であり, 画像検索を行うためのより良い基礎となることが示唆された。
論文 参考訳（メタデータ） (2020-11-19T16:09:14Z) - Hierarchical Image Classification using Entailment Cone Embeddings [68.82490011036263]
まずラベル階層の知識を任意のCNNベースの分類器に注入する。
画像からの視覚的セマンティクスと組み合わせた外部セマンティクス情報の利用が全体的な性能を高めることを実証的に示す。
論文 参考訳（メタデータ） (2020-04-02T10:22:02Z) - Learning Representations by Predicting Bags of Visual Words [55.332200948110895]
自己教師付き表現学習ターゲットは、ラベルなしデータから畳み込みに基づく画像表現を学習する。
この分野におけるNLP手法の成功に触発された本研究では,空間的に高密度な画像記述に基づく自己教師型アプローチを提案する。
論文 参考訳（メタデータ） (2020-02-27T16:45:25Z)
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。