Fugu-MT 論文翻訳(概要): Self-Supervised Few-Shot Learning on Point Clouds

論文の概要: Self-Supervised Few-Shot Learning on Point Clouds

arxiv url: http://arxiv.org/abs/2009.14168v1
Date: Tue, 29 Sep 2020 17:32:44 GMT
ステータス: 処理完了
システム内更新日: 2022-10-13 05:34:59.899719
Title: Self-Supervised Few-Shot Learning on Point Clouds
Title（参考訳）: 点雲上の自己教師付き少数ショット学習
Authors: Charu Sharma, Manohar Kaul
Abstract要約: 近年、ラベル付きポイントクラウド上で動作するディープニューラルネットワークは、分類やセグメンテーションといった教師付き学習タスクにおいて有望な結果を示している。点雲の階層的分割を符号化する2つの新しい自己教師型事前学習タスクを提案する。本研究では,自己教師付き学習法で事前学習した教師あり学習法が,最先端の手法の精度を大幅に向上することを示す。
参考スコア（独自算出の注目度）: 18.528929583956725
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The increased availability of massive point clouds coupled with their utility in a wide variety of applications such as robotics, shape synthesis, and self-driving cars has attracted increased attention from both industry and academia. Recently, deep neural networks operating on labeled point clouds have shown promising results on supervised learning tasks like classification and segmentation. However, supervised learning leads to the cumbersome task of annotating the point clouds. To combat this problem, we propose two novel self-supervised pre-training tasks that encode a hierarchical partitioning of the point clouds using a cover-tree, where point cloud subsets lie within balls of varying radii at each level of the cover-tree. Furthermore, our self-supervised learning network is restricted to pre-train on the support set (comprising of scarce training examples) used to train the downstream network in a few-shot learning (FSL) setting. Finally, the fully-trained self-supervised network's point embeddings are input to the downstream task's network. We present a comprehensive empirical evaluation of our method on both downstream classification and segmentation tasks and show that supervised methods pre-trained with our self-supervised learning method significantly improve the accuracy of state-of-the-art methods. Additionally, our method also outperforms previous unsupervised methods in downstream classification tasks.
Abstract（参考訳）: ロボティクス、形状合成、自動運転車といった幅広い応用分野において、巨大なポイントクラウドが利用可能になり、その有用性が高まり、産業と学界の両方から注目を集めている。近年,ラベル付きポイントクラウド上で動作するディープニューラルネットワークが,分類やセグメンテーションといった教師あり学習タスクにおいて有望な結果を示している。しかし、教師付き学習は、ポイントクラウドに注釈をつけるという面倒な作業に繋がる。この問題に対処するため,我々は,被覆木を用いて点雲の階層的分割を符号化する2つの新しい自己教師付き事前学習タスクを提案する。さらに、我々の自己教師型学習ネットワークは、数ショット学習(FSL)設定で下流ネットワークをトレーニングするために使用されるサポートセット(不足トレーニング例を含む)の事前訓練に制限される。最後に、完全に訓練された自己教師ネットワークのポイント埋め込みを下流タスクのネットワークに入力する。本研究は, 下流分類とセグメンテーション課題の両方において, 総合的な評価を行い, 自己教師あり学習法で事前学習した教師あり手法が, 最先端手法の精度を大幅に向上させることを示す。さらに,提案手法は,下流分類タスクにおいて従来の教師なし手法よりも優れている。

関連論文リスト

Point Contrastive Prediction with Semantic Clustering for Self-Supervised Learning on Point Cloud Videos [71.20376514273367]
本稿では,オブジェクト中心およびシーン中心のデータを対象とした一元的クラウドビデオ自己教師型学習フレームワークを提案する。本手法は、広範囲の下流タスクにおいて教師付きタスクよりも優れる。
論文参考訳（メタデータ） (2023-08-18T02:17:47Z)
A Survey of Label-Efficient Deep Learning for 3D Point Clouds [109.07889215814589]
本稿では,点雲のラベル効率学習に関する包括的調査を行う。本稿では,ラベルの種類によって提供されるデータ前提条件に基づいて,ラベル効率のよい学習手法を整理する分類法を提案する。それぞれのアプローチについて、問題設定の概要と、関連する進展と課題を示す広範な文献レビューを提供する。
論文参考訳（メタデータ） (2023-05-31T12:54:51Z)
Few-Shot Point Cloud Semantic Segmentation via Contrastive Self-Supervision and Multi-Resolution Attention [6.350163959194903]
数発の学習事前学習のための対照的な自己超越フレームワークを提案する。具体的には、3Dポイントクラウドのための学習可能な拡張子を用いて、新しいコントラスト学習アプローチを実装した。最接近点と最遠点の両方を用いて多分解能アテンションモジュールを開発し,局所点と大域点の情報をより効率的に抽出する。
論文参考訳（メタデータ） (2023-02-21T07:59:31Z)
Weakly Supervised Semantic Segmentation for Large-Scale Point Cloud [69.36717778451667]
大規模なポイントクラウドセマンティックセグメンテーションのための既存の方法は、高価な、退屈でエラーを起こしやすい手動のポイントワイドアノテーションを必要とする。この問題を解決するために,2つのコンポーネントを含む効果的な弱教師付き手法を提案する。実験結果から,既存の弱教師付き手法と完全教師付き手法を比較検討した。
論文参考訳（メタデータ） (2022-12-09T09:42:26Z)
Self-Supervised Arbitrary-Scale Point Clouds Upsampling via Implicit Neural Representation [79.60988242843437]
そこで本研究では,自己監督型および倍率フレキシブルな点雲を同時にアップサンプリングする手法を提案する。実験結果から, 自己教師あり学習に基づく手法は, 教師あり学習に基づく手法よりも, 競争力や性能が向上することが示された。
論文参考訳（メタデータ） (2022-04-18T07:18:25Z)
Upsampling Autoencoder for Self-Supervised Point Cloud Learning [11.19408173558718]
人間のアノテーションを使わずに、ポイントクラウド学習のための自己教師付き事前学習モデルを提案する。アップサンプリング操作は、ポイントクラウドの高レベルセマンティック情報と低レベル幾何情報の両方を捕捉することをネットワークに促す。我々のUAEは、形状分類、部分分割、点雲アップサンプリングタスクにおいて、従来の最先端手法よりも優れています。
論文参考訳（メタデータ） (2022-03-21T07:20:37Z)
Self-Supervised Learning for Binary Networks by Joint Classifier Training [11.612308609123566]
本稿では,バイナリネットワークのための自己教師付き学習手法を提案する。バイナリネットワークのより良いトレーニングのために,特徴類似性損失,損失項の動的バランススキーム,マルチステージトレーニングの修正を提案する。実証実験により、BSSLは、下流タスクにおけるバイナリネットワークの自己教師付き学習ベースラインよりも優れ、特定のタスクにおける教師付き事前学習よりも優れています。
論文参考訳（メタデータ） (2021-10-17T15:38:39Z)
Unsupervised Representation Learning for 3D Point Cloud Data [66.92077180228634]
我々は、教師なしのポイントクラウド学習に対して、シンプルで効果的なアプローチを提案する。特に、原点雲の優れたコントラストバージョンを生成する非常に有用な変換を同定する。本研究では,3次元オブジェクト分類,形状部分分割,シーン分割の3つの下流タスクについて実験を行った。
論文参考訳（メタデータ） (2021-10-13T10:52:45Z)
Point Discriminative Learning for Unsupervised Representation Learning on 3D Point Clouds [54.31515001741987]
3次元点雲上での教師なし表現学習のための点識別学習法を提案する。我々は、中間レベルとグローバルレベルの特徴に新しい点識別損失を課すことにより、これを達成した。提案手法は強力な表現を学習し,新しい最先端性能を実現する。
論文参考訳（メタデータ） (2021-08-04T15:11:48Z)
Self-Contrastive Learning with Hard Negative Sampling for Self-supervised Point Cloud Learning [17.55440737986014]
本稿では,自己教師付きポイントクラウド表現学習のための新しい自己コントラスト学習を提案する。我々は、一点クラウド内の自己相似点クラウドパッチを、正のサンプルとして、その他の負のパッチとして利用し、対照的な学習を容易にする。実験結果から,提案手法は広く使用されているベンチマークデータセットの最先端性能を実現することが示された。
論文参考訳（メタデータ） (2021-07-05T09:17:45Z)
A Learnable Self-supervised Task for Unsupervised Domain Adaptation on Point Clouds [7.731213699116179]
学習可能な自己教師型タスクを提案し,それをセルフスーパービジョンベースのポイントクラウド UDA アーキテクチャに統合する。 udaアーキテクチャでは、自己監視タスクのためのネットワークとポイントクラウドの分類やセグメンテーションのメインタスクの間でエンコーダが共有される。 PointDA-10とPointSegDAデータセットを用いた実験により,提案手法はポイントクラウドUDAの分類とセグメンテーションのタスクにおいて,新たな最先端性能を実現することを示す。
論文参考訳（メタデータ） (2021-04-12T02:30:16Z)

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。