Fugu-MT 論文翻訳(概要): Action Units Recognition by Pairwise Deep Architecture

論文の概要: Action Units Recognition by Pairwise Deep Architecture

arxiv url: http://arxiv.org/abs/2010.00288v2
Date: Fri, 2 Oct 2020 15:57:38 GMT
ステータス: 処理完了
システム内更新日: 2022-10-12 08:20:40.358881
Title: Action Units Recognition by Pairwise Deep Architecture
Title（参考訳）: Pairwise Deep Architectureによるアクションユニット認識
Authors: Junya Saito, Ryosuke Kawamura, Akiyoshi Uchida, Sachihiro Youoku, Yuushi Toyoda, Takahisa Yamamoto, Xiaoyu Mi and Kentaro Murase
Abstract要約: 提案手法は,AUsラベルの不整合性の問題に対して,ピアワイズディープアーキテクチャを用いて対処する。ベースラインスコアは0.31であるが,本手法は競争の検証データセットにおいて0.67を達成している。
参考スコア（独自算出の注目度）: 0.21108097398435335
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we propose a new automatic Action Units (AUs) recognition method used in a competition, Affective Behavior Analysis in-the-wild (ABAW). Our method tackles a problem of AUs label inconsistency among subjects by using pairwise deep architecture. While the baseline score is 0.31, our method achieved 0.67 in validation dataset of the competition.
Abstract（参考訳）: 本稿では,ABAW(Affective Behavior Analysis in the-wild)という,新たな自動行動単位(AU)認識手法を提案する。提案手法は,AUsラベルの不整合の問題に,対角深層アーキテクチャを用いて対処する。ベースラインスコアは 0.31 であるが, コンペティションの検証データセットでは 0.67 となった。

関連論文リスト

Collaborative Feature-Logits Contrastive Learning for Open-Set Semi-Supervised Object Detection [75.02249869573994]
オープンセットのシナリオでは、ラベルなしデータセットには、イン・ディストリビューション(ID)クラスとアウト・オブ・ディストリビューション(OOD)クラスの両方が含まれている。このような設定で半教師付き検出器を適用すると、OODクラスをIDクラスとして誤分類する可能性がある。我々は、CFL-Detector(Collaborative Feature-Logits Detector)と呼ばれるシンプルで効果的な方法を提案する。
論文参考訳（メタデータ） (2024-11-20T02:57:35Z)
Anchor-aware Deep Metric Learning for Audio-visual Retrieval [11.675472891647255]
Metric Learningは、基礎となるデータ構造を捕捉し、オーディオ・ビジュアル・クロスモーダル検索(AV-CMR)のようなタスクの性能を向上させることを目的としている。近年の研究では、トレーニング中に埋め込み空間から影響のあるデータポイントを選択するためのサンプリング手法が採用されている。しかし、トレーニングデータポイントの不足のため、モデルトレーニングはスペースを完全に探索することができない。本稿では,この課題に対処するために,AADML(Anchor-aware Deep Metric Learning)手法を提案する。
論文参考訳（メタデータ） (2024-04-21T22:44:44Z)
From Pretext to Purpose: Batch-Adaptive Self-Supervised Learning [32.18543787821028]
本稿では,自己教師付きコントラスト学習におけるバッチ融合の適応的手法を提案する。公平な比較で最先端のパフォーマンスを達成する。提案手法は,データ駆動型自己教師型学習研究の進展に寄与する可能性が示唆された。
論文参考訳（メタデータ） (2023-11-16T15:47:49Z)
DOAD: Decoupled One Stage Action Detection Network [77.14883592642782]
人々をローカライズし、ビデオからアクションを認識することは、ハイレベルなビデオ理解にとって難しい課題だ。既存の手法は主に2段階ベースで、1段階は人物境界ボックス生成、もう1段階は行動認識を行う。本稿では、時間的行動検出の効率を向上させるために、DOADと呼ばれる分離したワンステージネットワークを提案する。
論文参考訳（メタデータ） (2023-04-01T08:06:43Z)
Rethinking Clustering-Based Pseudo-Labeling for Unsupervised Meta-Learning [146.11600461034746]
教師なしメタラーニングのメソッドであるCACTUsは、擬似ラベル付きクラスタリングベースのアプローチである。このアプローチはモデルに依存しないため、教師付きアルゴリズムと組み合わせてラベルのないデータから学習することができる。このことの核となる理由は、埋め込み空間においてクラスタリングに優しい性質が欠如していることである。
論文参考訳（メタデータ） (2022-09-27T19:04:36Z)
ReAct: Temporal Action Detection with Relational Queries [84.76646044604055]
本研究は,アクションクエリを備えたエンコーダ・デコーダフレームワークを用いて,時間的行動検出(TAD)の進展を図ることを目的とする。まず,デコーダ内の関係注意機構を提案し,その関係に基づいてクエリ間の関心を誘導する。最後に、高品質なクエリを区別するために、推論時に各アクションクエリのローカライズ品質を予測することを提案する。
論文参考訳（メタデータ） (2022-07-14T17:46:37Z)
End-to-End Zero-Shot HOI Detection via Vision and Language Knowledge Distillation [86.41437210485932]
我々は、ゼロショットHOI検出を前進させ、同時に見えないHOIと見えないHOIの両方を検出することを目指している。本稿では,視覚言語による知識蒸留によるエンドツーエンドのゼロショットHOI検出フレームワークを提案する。本手法は, 従来のSOTAを8.92%, 全体の10.18%で上回っている。
論文参考訳（メタデータ） (2022-04-01T07:27:19Z)
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)
Decoupling Object Detection from Human-Object Interaction Recognition [37.133695677465376]
DEFRは、物体の位置や人間のポーズを使わずに、画像レベルでのヒューマン・オブジェクト・インタラクション(HOI)を認識できる。本研究では,検出不要な手法の性能向上のための2つの知見を提案する。
論文参考訳（メタデータ） (2021-12-13T03:01:49Z)
Action Units Recognition Using Improved Pairwise Deep Architecture [0.0]
本稿では,各AUの擬似インテンシティを導出するピアワイズ・ディープ・アーキテクチャを用いた新しい自動アクション・ユニット(AU)認識手法を提案する。今年の大会の検証データセットで0.65点を得た。
論文参考訳（メタデータ） (2021-07-07T11:10:13Z)
On the Effectiveness of Image Rotation for Open Set Domain Adaptation [18.907108368038216]
Open Set Domain Adaptation (OSDA)は、ラベル付きソースドメインとラベルなしターゲットドメインの間のドメインギャップを埋める。本稿では,回転認識の自己教師型タスクを用いて,これらの問題に対処する新しい手法を提案する。
論文参考訳（メタデータ） (2020-07-24T05:54:07Z)

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。