論文の概要: Rb-PaStaNet: A Few-Shot Human-Object Interaction Detection Based on Rules and Part States

• arxiv url: http://arxiv.org/abs/2008.06285v1
• Date: Fri, 14 Aug 2020 10:32:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-30 17:10:21.109207
• Title: Rb-PaStaNet: A Few-Shot Human-Object Interaction Detection Based on Rules and Part States
• Title（参考訳）: Rb-PaStaNet:ルールと状態に基づく簡単な人-物間相互作用検出
• Authors: Shenyu Zhang, Zichen Zhu, Qingquan Bao
• Abstract要約: 我々はPaStaNetに人間ラベルのルールを追加し、レアなHOIクラスの検出を改善することを目的としたRb-PaStaNetを提案する。 その結果,レアクラスは一定の改善が見られたが,非レアクラスと全体的な改善はより顕著であった。
• 参考スコア（独自算出の注目度）: 0.05156484100374058
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Existing Human-Object Interaction (HOI) Detection approaches have achieved great progress on nonrare classes while rare HOI classes are still not well-detected. In this paper, we intend to apply human prior knowledge into the existing work. So we add human-labeled rules to PaStaNet and propose Rb-PaStaNet aimed at improving rare HOI classes detection. Our results show a certain improvement of the rare classes, while the non-rare classes and the overall improvement is more considerable.
• Abstract（参考訳）: 既存のhuman-object interaction (hoi)検出アプローチは非rareクラスにおいて大きな進歩を遂げているが、希少なhoiクラスはまだ検出されていない。 本稿では,既存の作業に人間の事前知識を適用することを目的とする。 そこで我々は、PAStaNetに人間ラベル付きルールを追加し、レアHOIクラス検出の改善を目的としたRb-PaStaNetを提案する。 その結果,レアクラスは一定の改善が見られたが,非レアクラスと全体的な改善はより顕著である。

関連論文リスト

• Reward Finetuning for Faster and More Accurate Unsupervised Object Discovery [64.41455104593304]
  Reinforcement Learning from Human Feedback (RLHF)は、機械学習モデルを改善し、それを人間の好みに合わせる。 本稿では,RL法と類似した手法を非教師対象発見に適用することを提案する。 私たちは、我々のアプローチがより正確であるだけでなく、訓練よりも桁違いに高速であることを示した。
  論文  参考訳（メタデータ） (2023-10-29T17:03:12Z)
• Towards Long-Tailed 3D Detection [56.82185415482943]
  本研究では,Long-Tailed 3D Detection (LT3D) の課題について検討した。 各クラスの平均APは5%改善し,レアクラスのAPは劇的に改善した。
  論文  参考訳（メタデータ） (2022-11-16T06:00:47Z)
• 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)
• ACP++: Action Co-occurrence Priors for Human-Object Interaction Detection [102.9428507180728]
  ヒューマン・オブジェクト・インタラクション(HOI)検出のタスクにおける一般的な問題は、多数のHOIクラスが少数のラベル付き例しか持たないことである。 我々は、人間と物体の相互作用の間に自然の相関関係と反相関が存在することを観察した。 我々は、これらの先行知識を学習し、特に稀なクラスにおいて、より効果的な訓練に活用する手法を提案する。
  論文  参考訳（メタデータ） (2021-09-09T06:02:50Z)
• Detecting Human-Object Interaction via Fabricated Compositional Learning [106.37536031160282]
  ヒューマンオブジェクトインタラクション(HOI)検出は、高レベルのシーン理解のための基本的なタスクです。 人間は珍しいまたは見えないHOIのサンプルを認識する非常に強力な構成知覚能力があります。 オープン長尾HOI検出の課題を解決するために,FCL(Fabricated Compositional Learning)を提案する。
  論文  参考訳（メタデータ） (2021-03-15T08:52:56Z)
• AlphaNet: Improving Long-Tail Classification By Combining Classifiers [44.5124310374697]
  ロングテール学習の手法は、データ貧弱な(希少な)クラスのパフォーマンス向上に重点を置いている。 多くのエラーは、視覚的に類似した頻繁なクラスとして希少な項目の誤分類によるものである。 既存モデルに適用可能なAlphaNetを導入し,レアクラスの分類器に対するポストホック補正を行う。
  論文  参考訳（メタデータ） (2020-08-17T03:31:39Z)
• Detecting Human-Object Interactions with Action Co-occurrence Priors [108.31956827512376]
  人-物間相互作用(HOI)検出タスクにおける一般的な問題は、多数のHOIクラスが少数のラベル付き例しか持たないことである。 我々は、人間と物体の相互作用の間に自然の相関と反相関が存在することを観察した。 我々はこれらの先行知識を学習し、特に稀なクラスにおいてより効果的な訓練に活用する手法を提案する。
  論文  参考訳（メタデータ） (2020-07-17T02:47:45Z)

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。