論文の概要: Ego2Hands: A Dataset for Egocentric Two-hand Segmentation and Detection

• arxiv url: http://arxiv.org/abs/2011.07252v4
• Date: Mon, 20 Dec 2021 10:37:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-25 13:36:23.195349
• Title: Ego2Hands: A Dataset for Egocentric Two-hand Segmentation and Detection
• Title（参考訳）: Ego2Hands: Egocentric Two-hand Segmentation and Detectionのためのデータセット
• Authors: Fanqing Lin, Brian Price, Tony Martinez
• Abstract要約: Ego2Handsは、大規模なRGBベースの手分割/検出データセットで、半自動注釈付きである。 定量的分析のために,既存のベンチマークの量,多様性,アノテーションの精度を大幅に上回る評価セットを手作業でアノテートした。
• 参考スコア（独自算出の注目度）: 1.0742675209112622
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hand segmentation and detection in truly unconstrained RGB-based settings is important for many applications. However, existing datasets are far from sufficient in terms of size and variety due to the infeasibility of manual annotation of large amounts of segmentation and detection data. As a result, current methods are limited by many underlying assumptions such as constrained environment, consistent skin color and lighting. In this work, we present Ego2Hands, a large-scale RGB-based egocentric hand segmentation/detection dataset that is semi-automatically annotated and a color-invariant compositing-based data generation technique capable of creating training data with large quantity and variety. For quantitative analysis, we manually annotated an evaluation set that significantly exceeds existing benchmarks in quantity, diversity and annotation accuracy. We provide cross-dataset evaluation as well as thorough analysis on the performance of state-of-the-art models on Ego2Hands to show that our dataset and data generation technique can produce models that generalize to unseen environments without domain adaptation.
• Abstract（参考訳）: 真の制約のないRGBベースの設定でのハンドセグメンテーションと検出は多くのアプリケーションにとって重要である。 しかし、大量のセグメンテーションと検出データの手動アノテーションが実現できないため、既存のデータセットのサイズや多様性の観点からは十分ではない。 その結果、現在の方法は、制約された環境、一貫した肌の色、照明といった多くの前提によって制限される。 本研究では,RGBをベースとした大規模手分割・検出データセットであるEgo2Handsと,多量・多種多様なトレーニングデータを生成するカラー不変合成データ生成技術を提案する。 定量的分析のために,既存のベンチマークの量,多様性,アノテーションの精度を大幅に上回る評価セットを手作業でアノテートした。 我々は、データセットとデータ生成技術がドメイン適応を伴わずに、目に見えない環境に一般化できるモデルを作成することができることを示すため、Ego2Hands上での最先端モデルの性能に関するクロスデータセット評価と徹底的な分析を提供する。

関連論文リスト

• Benchmarking 2D Egocentric Hand Pose Datasets [1.611271868398988]
  エゴセントリックビデオからのポーズ推定は、様々な領域に広範に影響を及ぼす。 本研究は2次元ポーズ推定に適した最先端のエゴセントリックデータセットの分析に充てられる。
  論文  参考訳（メタデータ） (2024-09-11T15:18:11Z)
• Scaling Laws for the Value of Individual Data Points in Machine Learning [55.596413470429475]
  個々のデータポイントの値のスケーリング行動を調べることによって、新しい視点を導入する。 スケーリング法則を支持するための学習理論を提供し、それが様々なモデルクラスにまたがっていることを実証的に観察する。 私たちの研究は、個々のデータポイントの値のスケーリング特性を理解し、活用するための第一歩です。
  論文  参考訳（メタデータ） (2024-05-30T20:10:24Z)
• LESS: Selecting Influential Data for Targeted Instruction Tuning [64.78894228923619]
  本稿では,データの影響を推定し,命令データ選択のための低ランクグレーディエント類似度探索を行うアルゴリズムであるLESSを提案する。 LESS選択したデータの5%のトレーニングは、さまざまなダウンストリームタスクにわたる完全なデータセットでのトレーニングよりも優れています。 我々の方法は、意図した下流アプリケーションに必要な推論スキルを識別するために、表面的なフォームキューを超えています。
  論文  参考訳（メタデータ） (2024-02-06T19:18:04Z)
• D2 Pruning: Message Passing for Balancing Diversity and Difficulty in Data Pruning [70.98091101459421]
  コアセット選択は、トレーニングデータのサブセットを選択して、このサブセット(コアセットとも呼ばれる)でトレーニングされたモデルのパフォーマンスを最大化する。 コアセット選択のために,このデータセットグラフ上で前後のメッセージパッシングを利用する新しいプルーニングアルゴリズムD2プルーニングを提案する。 その結果、D2プルーニングは従来の最先端手法よりもコアセット選択を向上し、最大70%のプルーニングレートが得られた。
  論文  参考訳（メタデータ） (2023-10-11T23:01:29Z)
• Revisiting the Evaluation of Image Synthesis with GANs [55.72247435112475]
  本研究では, 合成性能の評価に関する実証的研究を行い, 生成モデルの代表としてGAN(Generative Adversarial Network)を用いた。 特に、表現空間におけるデータポイントの表現方法、選択したサンプルを用いた公平距離の計算方法、各集合から使用可能なインスタンス数など、さまざまな要素の詳細な分析を行う。
  論文  参考訳（メタデータ） (2023-04-04T17:54:32Z)
• Integrating Transformer and Autoencoder Techniques with Spectral Graph Algorithms for the Prediction of Scarcely Labeled Molecular Data [2.8360662552057323]
  この課題に対処するために、Merriman-Bence-Osher(MBO)テクニックを取り入れたグラフベースの3つのモデルを導入する。 具体的には、MBO方式のグラフベースの修正は、自家製のトランスフォーマーやオートエンコーダなどの最先端技術と統合されている。 提案したモデルは,5つのベンチマークデータセットを用いて検証する。
  論文  参考訳（メタデータ） (2022-11-12T22:45:32Z)
• TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
  本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。 既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
  論文  参考訳（メタデータ） (2022-08-16T20:46:08Z)
• Ego2HandsPose: A Dataset for Egocentric Two-hand 3D Global Pose Estimation [0.0]
  Ego2HandsPoseは、目に見えないドメインでカラーベースの2Dトラッキングを可能にする最初のデータセットである。 本研究では,1)1つの画像を用いた3次元手ポーズアノテーションの実現,2)2次元手ポーズから3次元手ポーズへの自動変換,3)時間的整合性を伴う高精度な両手トラッキングを実現するためのパラメトリックフィッティングアルゴリズムの開発を行う。
  論文  参考訳（メタデータ） (2022-06-10T07:50:45Z)
• StandardSim: A Synthetic Dataset For Retail Environments [0.07874708385247352]
  本稿では,意味的セグメンテーション,インスタンスセグメンテーション,深さ推定,オブジェクト検出のためのアノテーションを特徴とする大規模合成データセットを提案する。 私たちのデータセットはシーン毎に複数のビューを提供し、マルチビュー表現学習を可能にします。 我々は、データセットのセグメンテーションと深さ推定に広く使用されているモデルをベンチマークし、我々のテストセットが現在の小規模データセットと比較して難しいベンチマークを構成することを示す。
  論文  参考訳（メタデータ） (2022-02-04T22:28:35Z)
• On the Composition and Limitations of Publicly Available COVID-19 X-Ray Imaging Datasets [0.0]
  データ不足、トレーニングとターゲット人口のミスマッチ、グループ不均衡、ドキュメントの欠如は、バイアスの重要な原因である。 本稿では,現在公開されている新型コロナウイルス胸部X線データセットの概要を紹介する。
  論文  参考訳（メタデータ） (2020-08-26T14:16:01Z)
• Open Graph Benchmark: Datasets for Machine Learning on Graphs [86.96887552203479]
  スケーラブルで堅牢で再現可能なグラフ機械学習(ML)の研究を容易にするために,Open Graph Benchmark(OGB)を提案する。 OGBデータセットは大規模で、複数の重要なグラフMLタスクを含み、さまざまなドメインをカバーする。 各データセットに対して,有意義なアプリケーション固有のデータ分割と評価指標を用いた統一評価プロトコルを提供する。
  論文  参考訳（メタデータ） (2020-05-02T03:09:50Z)

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。