Fugu-MT 論文翻訳(概要): Measuring the Biases and Effectiveness of Content-Style Disentanglement

論文の概要: Measuring the Biases and Effectiveness of Content-Style Disentanglement

arxiv url: http://arxiv.org/abs/2008.12378v4
Date: Wed, 15 Sep 2021 19:48:26 GMT
ステータス: 処理完了
システム内更新日: 2022-10-24 08:11:52.757354
Title: Measuring the Biases and Effectiveness of Content-Style Disentanglement
Title（参考訳）: コンテンツ型ディスタングルのバイアスと有効性の測定
Authors: Xiao Liu, Spyridon Thermos, Gabriele Valvano, Agisilaos Chartsias, Alison O'Neil and Sotirios A. Tsaftaris
Abstract要約: コンテンツスタイルのゆがみ設定における異なるバイアスの役割について検討する。絡み合い、タスクパフォーマンス、コンテンツ解釈可能性の間には"スイートスポット"があることが分かりました。本研究は,コンテンツスタイルの表現が有用であるタスクに対して,新しいモデルの設計と選択を導くのに有用である。
参考スコア（独自算出の注目度）: 19.116194918912573
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A recent spate of state-of-the-art semi- and un-supervised solutions disentangle and encode image "content" into a spatial tensor and image appearance or "style" into a vector, to achieve good performance in spatially equivariant tasks (e.g. image-to-image translation). To achieve this, they employ different model design, learning objective, and data biases. While considerable effort has been made to measure disentanglement in vector representations, and assess its impact on task performance, such analysis for (spatial) content - style disentanglement is lacking. In this paper, we conduct an empirical study to investigate the role of different biases in content-style disentanglement settings and unveil the relationship between the degree of disentanglement and task performance. In particular, we consider the setting where we: (i) identify key design choices and learning constraints for three popular content-style disentanglement models; (ii) relax or remove such constraints in an ablation fashion; and (iii) use two metrics to measure the degree of disentanglement and assess its effect on each task performance. Our experiments reveal that there is a "sweet spot" between disentanglement, task performance and - surprisingly - content interpretability, suggesting that blindly forcing for higher disentanglement can hurt model performance and content factors semanticness. Our findings, as well as the used task-independent metrics, can be used to guide the design and selection of new models for tasks where content-style representations are useful.
Abstract（参考訳）: 最近の最先端の半教師なしソリューションは、画像"コンテンツ"を空間テンソルに、画像の外観または"スタイル"をベクトルに切り離し、空間的に不変なタスク(画像から画像への変換など)で優れたパフォーマンスを達成する。これを実現するために、異なるモデル設計、学習目標、データバイアスを採用している。ベクトル表現のゆがみを測定し、そのタスクパフォーマンスへの影響を評価するために、かなりの努力がなされているが、そのような(空間的な)コンテンツに対する分析は欠落している。本稿では,コンテンツスタイルのゆがみ設定における異なるバイアスの役割を実証的に検討し,ゆがみ度とタスクパフォーマンスの関係を明らかにする。特に、私たちは次のような設定を考えます。一人気コンテンツスタイルのゆがみモデルの鍵となる設計選択及び学習制約を特定すること。 (二アブレーション方式でそのような制約を緩和又は取り除くこと。) (iii)2つの指標を用いて、絡み合いの程度を計測し、各タスクの性能に与える影響を評価する。実験の結果,不等角性,タスク性能,および驚くほどのコンテンツ解釈性との間には「スイートスポット」があることが明らかとなり,不等角性が高まるとモデル性能やコンテンツ要因の意味性が損なわれる可能性が示唆された。本研究の成果は,コンテンツスタイルの表現が有用であるタスクに対して,新しいモデルの設計と選択を導くのに有効である。

関連論文リスト

Deep Content Understanding Toward Entity and Aspect Target Sentiment Analysis on Foundation Models [0.8602553195689513]
Entity-Aspect Sentiment Triplet extract (EASTE)は、Aspect-Based Sentiment Analysisタスクである。本研究は,EASTEタスクにおける高性能化を目標とし,モデルサイズ,タイプ,適応技術がタスクパフォーマンスに与える影響について検討する。最終的には、複雑な感情分析における詳細な洞察と最先端の成果を提供する。
論文参考訳（メタデータ） (2024-07-04T16:48:14Z)
Corpus Considerations for Annotator Modeling and Scaling [9.263562546969695]
一般的に使われているユーザトークンモデルは、より複雑なモデルよりも一貫して優れています。以上の結果から,コーパス統計とアノテータモデリング性能の関係が明らかになった。
論文参考訳（メタデータ） (2024-04-02T22:27:24Z)
RadOcc: Learning Cross-Modality Occupancy Knowledge through Rendering Assisted Distillation [50.35403070279804]
マルチビュー画像を用いた3次元シーンの占有状況とセマンティクスを推定することを目的とした,新たな課題である3D占有予測手法を提案する。本稿では,RandOccを提案する。Rendering Assisted distillation paradigm for 3D Occupancy prediction。
論文参考訳（メタデータ） (2023-12-19T03:39:56Z)
Towards Robust and Expressive Whole-body Human Pose and Shape Estimation [51.457517178632756]
全体のポーズと形状の推定は、単眼画像から人体全体の異なる振る舞いを共同で予測することを目的としている。既存の手法では、既存のシナリオの複雑さの下で、しばしば劣化したパフォーマンスを示す。全身のポーズと形状推定の堅牢性を高める新しい枠組みを提案する。
論文参考訳（メタデータ） (2023-12-14T08:17:42Z)
SeMAIL: Eliminating Distractors in Visual Imitation via Separated Models [22.472167814814448]
本稿では,SeMAIL(Separated Model-based Adversarial Imitation Learning)というモデルベース模倣学習アルゴリズムを提案する。本手法は, 様々な視覚的制御タスクにおいて, 複雑な観察と, 専門的な観察から異なる背景を持つより困難なタスクにおいて, ほぼ専門的な性能を実現する。
論文参考訳（メタデータ） (2023-06-19T04:33:44Z)
ContraFeat: Contrasting Deep Features for Semantic Discovery [102.4163768995288]
StyleGANは、アンタングル化セマンティックコントロールの強い可能性を示している。 StyleGANの既存の意味発見手法は、修正された潜在層を手作業で選択することで、良好な操作結果が得られる。本稿では,このプロセスを自動化し,最先端のセマンティック発見性能を実現するモデルを提案する。
論文参考訳（メタデータ） (2022-12-14T15:22:13Z)
Task Formulation Matters When Learning Continually: A Case Study in Visual Question Answering [58.82325933356066]
継続的な学習は、以前の知識を忘れずに、一連のタスクでモデルを漸進的にトレーニングすることを目的としている。本稿では,視覚的質問応答において,異なる設定がパフォーマンスに与える影響について詳細に検討する。
論文参考訳（メタデータ） (2022-09-30T19:12:58Z)
Rethinking Content and Style: Exploring Bias for Unsupervised Disentanglement [59.033559925639075]
本研究では,異なる要因が画像再構成において重要度や人気度が異なるという仮定に基づいて,教師なしc-s異節の定式化を提案する。モデルインダクティブバイアスは,提案したC-Sアンタングルメントモジュール(C-S DisMo)によって導入された。いくつかの一般的なデータセットに対する実験により、我々の手法が最先端の教師なしC-Sアンタングルメントを実現することを示す。
論文参考訳（メタデータ） (2021-02-21T08:04:33Z)
The MAMe Dataset: On the relevance of High Resolution and Variable Shape image properties [0.0]
我々は,高分解能および可変形状特性を有する画像分類データセットであるMAMeデータセットを紹介する。 MAMeデータセットには、3つの異なる博物館から何千ものアートワークが含まれている。
論文参考訳（メタデータ） (2020-07-27T17:13:14Z)
Dynamic Feature Integration for Simultaneous Detection of Salient Object, Edge and Skeleton [108.01007935498104]
本稿では,高次物体分割,エッジ検出,スケルトン抽出など,低レベルの3つの視覚問題を解く。まず、これらのタスクで共有される類似点を示し、統一されたフレームワークの開発にどのように活用できるかを示す。
論文参考訳（メタデータ） (2020-04-18T11:10:11Z)

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。