Fugu-MT 論文翻訳(概要): Diptychs of human and machine perceptions

論文の概要: Diptychs of human and machine perceptions

arxiv url: http://arxiv.org/abs/2010.13864v1
Date: Mon, 12 Oct 2020 10:22:28 GMT
ステータス: 処理完了
システム内更新日: 2022-10-08 05:29:18.968889
Title: Diptychs of human and machine perceptions
Title（参考訳）: 人間と機械の知覚のディプチチ
Authors: Vivien Cabannes and Thomas Kerdreux and Louis Thiry
Abstract要約: アルゴリズムと人間の知覚の相違を視点として視覚的創造を提案する。我々は、ニューラルネットワークと人間の視覚的焦点の塩分マップを利用して、原画像の再解釈であるディプチッチを作成します。
参考スコア（独自算出の注目度）: 7.41960767776045
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose visual creations that put differences in algorithms and humans \emph{perceptions} into perspective. We exploit saliency maps of neural networks and visual focus of humans to create diptychs that are reinterpretations of an original image according to both machine and human attentions. Using those diptychs as a qualitative evaluation of perception, we discuss some crucial issues of current \textit{task-oriented} artificial intelligence.
Abstract（参考訳）: 我々は,アルゴリズムと人間との違いを視野に入れた視覚創造を提案する。ニューラルネットワークのサリエンシーマップと、人間の視覚的焦点を利用して、マシンと人間の注意の両方に応じて元のイメージを再解釈するディプティッチを作成する。これらのディップティフを知覚の質的評価として使用し、現在の \textit{task-oriented} 人工知能の重要な問題について議論する。

関連論文リスト

When Does Perceptual Alignment Benefit Vision Representations? [76.32336818860965]
視覚モデル表現と人間の知覚的判断との整合がユーザビリティに与える影響について検討する。モデルと知覚的判断を一致させることで、多くの下流タスクで元のバックボーンを改善する表現が得られることがわかった。その結果,人間の知覚的知識に関する帰納バイアスを視覚モデルに注入することは,より良い表現に寄与することが示唆された。
論文参考訳（メタデータ） (2024-10-14T17:59:58Z)
Achieving More Human Brain-Like Vision via Human EEG Representational Alignment [1.811217832697894]
非侵襲脳波に基づく人間の脳活動に対応する視覚モデル「Re(presentational)Al(ignment)net」を提案する。我々の革新的な画像から脳への多層符号化フレームワークは、複数のモデル層を最適化することにより、人間の神経のアライメントを向上する。我々の発見は、ReAlnetが人工と人間の視覚のギャップを埋め、より脳に似た人工知能システムへの道を歩むブレークスルーを表していることを示唆している。
論文参考訳（メタデータ） (2024-01-30T18:18:41Z)
Explaining Deep Face Algorithms through Visualization: A Survey [57.60696799018538]
本研究は、顔領域における説明可能性アルゴリズムの第一種メタ分析を行う。既存のフェース説明可能性について概観し、フェースネットワークの構造と階層に関する貴重な知見を明らかにする。
論文参考訳（メタデータ） (2023-09-26T07:16:39Z)
BI AVAN: Brain inspired Adversarial Visual Attention Network [67.05560966998559]
機能的脳活動から直接人間の視覚的注意を特徴付ける脳誘発対人視覚注意ネットワーク(BI-AVAN)を提案する。本モデルは,人間の脳が監督されていない方法で焦点を絞った映画フレーム内の視覚的物体を識別・発見するために,注意関連・無視対象間の偏りのある競合過程を模倣する。
論文参考訳（メタデータ） (2022-10-27T22:20:36Z)
Computational imaging with the human brain [1.614301262383079]
脳コンピュータインタフェース(BCI)は、人間の能力を増強するための様々な新しい可能性と経路を可能にしている。本研究では,人間の視覚システムと適応型計算画像システムを組み合わせた隠れシーンのゴーストイメージングを実演する。この脳とコンピュータの接続は、将来的に人間の視覚の知覚範囲を拡大する、強化された人間の計算の形式を示している。
論文参考訳（メタデータ） (2022-10-07T08:40:18Z)
A domain adaptive deep learning solution for scanpath prediction of paintings [66.46953851227454]
本稿では,ある絵画の視覚的体験における視聴者の眼球運動分析に焦点を当てた。我々は、人間の視覚的注意を予測するための新しいアプローチを導入し、人間の認知機能に影響を及ぼす。提案した新しいアーキテクチャは、画像を取り込んでスキャンパスを返す。
論文参考訳（メタデータ） (2022-09-22T22:27:08Z)
Robustness of Humans and Machines on Object Recognition with Extreme Image Transformations [0.0]
物体認識タスクにおいて、画像変換の新たなセットを導入し、人間とネットワークの評価を行う。人間は高い精度で物体を認識できる一方で、いくつかの共通ネットワークの性能は急速に低下することがわかった。
論文参考訳（メタデータ） (2022-05-09T17:15:54Z)
Towards Human-Understandable Visual Explanations:Imperceptible High-frequency Cues Can Better Be Removed [46.36600006968488]
HVS(Human Visual System)と精神物理学に制約された人間の能力を考慮する必要があると我々は主張する。実顔画像と偽顔画像の分類に関するケーススタディを行い、標準的なニューラルネットワークによって選択された特徴の多くは、人間には認識できないことが判明した。
論文参考訳（メタデータ） (2021-04-16T08:11:30Z)
Matching Representations of Explainable Artificial Intelligence and Eye Gaze for Human-Machine Interaction [0.7742297876120561]
タスクベース刺激の迅速な非言語コミュニケーションは、人間と機械のコラボレーションにおける課題である。本研究では、運転行動予測のためのニューラルネットワークの視覚的ヒートマップ説明と、運転者の視線熱マップとの相関について検討する。
論文参考訳（メタデータ） (2021-01-30T07:42:56Z)
Bongard-LOGO: A New Benchmark for Human-Level Concept Learning and Reasoning [78.13740873213223]
ボナード問題(BP)は、インテリジェントシステムにおける視覚認知へのインスピレーションとして導入された。我々は人間レベルの概念学習と推論のための新しいベンチマークBongard-LOGOを提案する。
論文参考訳（メタデータ） (2020-10-02T03:19:46Z)

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。