Fugu-MT 論文翻訳(概要): After All, Only The Last Neuron Matters: Comparing Multi-modal Fusion Functions for Scene Graph Generation

論文の概要: After All, Only The Last Neuron Matters: Comparing Multi-modal Fusion Functions for Scene Graph Generation

arxiv url: http://arxiv.org/abs/2011.04779v1
Date: Mon, 9 Nov 2020 21:27:32 GMT
ステータス: 処理完了
システム内更新日: 2022-09-28 00:52:32.072945
Title: After All, Only The Last Neuron Matters: Comparing Multi-modal Fusion Functions for Scene Graph Generation
Title（参考訳）: 結局のところ、最後のニューロンだけ:マルチモーダル核融合関数によるシーングラフ生成の比較
Authors: Mohamed Karim Belaid
Abstract要約: このモデルの最後のモジュールであるフュージョン関数に注目します。我々は、SUMとGATE関数を用いて、最先端の結果を再現する。最先端設定に基づいて、DISTは最高のリコール@Kを実行した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: From object segmentation to word vector representations, Scene Graph Generation (SGG) became a complex task built upon numerous research results. In this paper, we focus on the last module of this model: the fusion function. The role of this latter is to combine three hidden states. We perform an ablation test in order to compare different implementations. First, we reproduce the state-of-the-art results using SUM, and GATE functions. Then we expand the original solution by adding more model-agnostic functions: an adapted version of DIST and a mixture between MFB and GATE. On the basis of the state-of-the-art configuration, DIST performed the best Recall @ K, which makes it now part of the state-of-the-art.
Abstract（参考訳）: オブジェクトのセグメンテーションから単語ベクトル表現まで、シーングラフ生成(sgg)は多くの研究結果を基にした複雑なタスクとなった。本稿では,このモデルの最後のモジュールである融合関数に焦点をあてる。後者の役割は、3つの隠れた状態を組み合わせることである。異なる実装を比較するためにアブレーションテストを実施します。まず、SUMとGATE関数を用いて最先端の結果を再現する。次に、DIST の適応版と MFB と GATE の混合版というモデルに依存しない関数を追加することで、元の解を拡張する。 state-of-the-art構成に基づいて、distはbest recall @ kを実行した。

関連論文リスト

GraphTransfer: A Generic Feature Fusion Framework for Collaborative Filtering [23.359028687426925]
我々は,GNNに基づく協調フィルタリングのための簡易かつ普遍的な機能融合フレームワークであるGraphTransferを提案する。提案手法は,GNNを用いて,ユーザ-テム相互作用グラフからまずグラフ特徴と補助特徴を抽出することにより,異なるタイプの特徴を正確に融合する。公開データセットに関する理論的分析と実験は、GraphTransferがCFタスクにおける他の機能融合メソッドよりも優れていることを示している。
論文参考訳（メタデータ） (2024-08-11T14:47:34Z)
Multi-View Stochastic Block Models [34.55723218769512]
我々は、この設定をキャプチャするtextitmulti-viewブロックモデルと呼ばれる、新しいモデルのファミリーを形式化する。本モデルでは,まず,複数のグラフの和合体をネーティブに扱う効率的なアルゴリズムについて検討する。そこで本研究では,各グラフの構造を別々に解析することで,従来の手法を確実に上回るアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-06-07T11:45:31Z)
Challenging the Myth of Graph Collaborative Filtering: a Reasoned and Reproducibility-driven Analysis [50.972595036856035]
本稿では,6つの人気グラフと最近のグラフ推薦モデルの結果を再現するコードを提案する。これらのグラフモデルと従来の協調フィルタリングモデルを比較する。ユーザの近所からの情報フローを調べることにより,データセット構造における内在的特徴にどのようなモデルが影響するかを同定することを目的とする。
論文参考訳（メタデータ） (2023-08-01T09:31:44Z)
Single-Stage Visual Relationship Learning using Conditional Queries [60.90880759475021]
TraCQは、マルチタスク学習問題とエンティティペアの分布を回避する、シーングラフ生成の新しい定式化である。我々は,DETRをベースとしたエンコーダ-デコーダ条件付きクエリを用いて,エンティティラベル空間を大幅に削減する。実験結果から、TraCQは既存のシングルステージシーングラフ生成法よりも優れており、Visual Genomeデータセットの最先端の2段階メソッドを多く上回っていることがわかった。
論文参考訳（メタデータ） (2023-06-09T06:02:01Z)
DORE: Document Ordered Relation Extraction based on Generative Framework [56.537386636819626]
本稿では,既存のDocREモデルの根本原因について検討する。本稿では,モデルが学習しやすく,決定論的な関係行列から記号列と順序列を生成することを提案する。 4つのデータセットに対する実験結果から,提案手法は生成型DocREモデルの性能を向上させることができることが示された。
論文参考訳（メタデータ） (2022-10-28T11:18:10Z)
Learning with MISELBO: The Mixture Cookbook [62.75516608080322]
本稿では,VampPriorとPixelCNNデコーダネットワークを用いて,フローベース階層型変分オートエンコーダ(VAE)の正規化のための変分近似を初めて提案する。我々は、この協調行動について、VIと適応的重要度サンプリングの新たな関係を描いて説明する。我々は、MNISTおよびFashionMNISTデータセット上の負のログ類似度の観点から、VAEアーキテクチャの最先端結果を得る。
論文参考訳（メタデータ） (2022-09-30T15:01:35Z)
Stochastic Iterative Graph Matching [11.128153575173213]
本稿では,グラフマッチング問題に対処する新しいモデルであるIterative Graph MAtchingを提案する。我々のモデルはグラフ対のマッチングの分布を定義し、モデルが様々な可能なマッチングを探索できるようにする。我々は、生化学やコンピュータビジョンの応用と同様に、合成グラフデータセットにまたがる広範な実験を行う。
論文参考訳（メタデータ） (2021-06-04T02:05:35Z)
Deep Reinforcement Learning of Graph Matching [63.469961545293756]
ノードとペアの制約下でのグラフマッチング(GM)は、最適化からコンピュータビジョンまでの領域におけるビルディングブロックである。 GMのための強化学習ソルバを提案する。 rgmはペアワイズグラフ間のノード対応を求める。本手法は,フロントエンドの特徴抽出と親和性関数学習に焦点をあてるという意味において,従来のディープグラフマッチングモデルと異なる。
論文参考訳（メタデータ） (2020-12-16T13:48:48Z)
From Sets to Multisets: Provable Variational Inference for Probabilistic Integer Submodular Models [82.95892656532696]
サブモジュール関数は機械学習やデータマイニングにおいて広く研究されている。本研究では,整数部分モジュラ函数に対する連続DR-部分モジュラ拡張を提案する。整数部分モジュラー関数によって定義される新しい確率モデルを定式化する。
論文参考訳（メタデータ） (2020-06-01T22:20:45Z)
Principal Neighbourhood Aggregation for Graph Nets [4.339839287869653]
グラフニューラルネットワーク(GNN)は、グラフ構造化データ上の様々な予測タスクに有効なモデルであることが示されている。表現力に関する最近の研究は同型タスクと可算特徴空間に焦点を当てている。我々はこの理論フレームワークを拡張し、現実世界の入力領域で定期的に発生する連続的な特徴を含める。
論文参考訳（メタデータ） (2020-04-12T23:30:00Z)

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。