論文の概要: Differentiable Data Augmentation with Kornia
- arxiv url: http://arxiv.org/abs/2011.09832v1
- Date: Thu, 19 Nov 2020 14:15:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-23 21:18:54.729946
- Title: Differentiable Data Augmentation with Kornia
- Title(参考訳): Korniaによる微分データ拡張
- Authors: Jian Shi, Edgar Riba, Dmytro Mishkin, Francesc Moreno and Anguelos
Nicolaou
- Abstract要約: 本稿では,空間(2D)および体積(3D)テンソル用Kornia Differentiable Data Augmentation (DDA)モジュールについて述べる。
このモジュールは、既存のPyTorchコンポーネントにデータ拡張パイプラインと戦略を統合することを目的として、Korniaから異なるコンピュータビジョンソリューションを活用する。
- 参考スコア(独自算出の注目度): 10.176668594025722
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper we present a review of the Kornia differentiable data
augmentation (DDA) module for both for spatial (2D) and volumetric (3D)
tensors. This module leverages differentiable computer vision solutions from
Kornia, with an aim of integrating data augmentation (DA) pipelines and
strategies to existing PyTorch components (e.g. autograd for differentiability,
optim for optimization). In addition, we provide a benchmark comparing
different DA frameworks and a short review for a number of approaches that make
use of Kornia DDA.
- Abstract(参考訳): 本稿では,空間(2d)テンソルと体積(3d)テンソルの両方に対して,kornia differentiable data augmentation(dda)モジュールのレビューを行う。
このモジュールはkorniaからの差別化可能なコンピュータビジョンソリューションを活用して、データ拡張(da)パイプラインと戦略を既存のpytorchコンポーネント(例えば、autograd for differentiability、optimize for optimization)に統合することを目的としている。
さらに、異なるDAフレームワークを比較したベンチマークと、Kornia DDAを利用するいくつかのアプローチの短いレビューを提供している。
関連論文リスト
- AlignMiF: Geometry-Aligned Multimodal Implicit Field for LiDAR-Camera
Joint Synthesis [98.3959800235485]
近年,複数のモダリティを単一のフィールド内で探索する手法がいくつか存在しており,異なるモダリティから暗黙的な特徴を共有して再現性能を向上させることを目的としている。
本研究では,LiDAR-カメラ共同合成の多モード暗黙的場に関する包括的解析を行い,その根底にある問題はセンサの誤配にあることを示した。
幾何学的に整合した多モード暗黙の場であるAlignMiFを導入し,2つのモジュール,Geometry-Aware Alignment (GAA) とShared Geometry Initialization (SGI)を提案する。
論文 参考訳(メタデータ) (2024-02-27T13:08:47Z) - Dataset Distillation via the Wasserstein Metric [39.3118980575691]
本稿では, 最適輸送理論に根ざした計量であるワッサーシュタイン距離を利用して, データセット蒸留における分布整合性を高める手法を提案する。
提案手法は分散マッチング手法の計算上の利点を保ちながら,いくつかのベンチマークで新たな最先端性能を実現している。
論文 参考訳(メタデータ) (2023-11-30T13:15:28Z) - Synthetic-to-Real Domain Generalized Semantic Segmentation for 3D Indoor
Point Clouds [69.64240235315864]
本稿では,本課題に対して,合成-実領域一般化設定を提案する。
合成と実世界のポイントクラウドデータのドメインギャップは、主に異なるレイアウトとポイントパターンにあります。
CINMixとMulti-prototypeの両方が分配ギャップを狭めることを示した。
論文 参考訳(メタデータ) (2022-12-09T05:07:43Z) - The KFIoU Loss for Rotated Object Detection [115.334070064346]
本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。
具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。
KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
論文 参考訳(メタデータ) (2022-01-29T10:54:57Z) - Knothe-Rosenblatt transport for Unsupervised Domain Adaptation [8.945289838882857]
教師なしドメイン適応(UDA)は、対象ドメインの共通タスクに取り組むために、関連するが異なるデータソースを活用することを目的としている。
我々はKnothe-Rosenblattトランスポートに基づくKnothe-Rosenblatt Domain Adaptation (KRDA)を提案する。
我々は,KRDAが,合成UDA問題と実世界のUDA問題の両方において最先端の性能を有することを示す。
論文 参考訳(メタデータ) (2021-10-06T13:04:28Z) - Towards Better Data Augmentation using Wasserstein Distance in
Variational Auto-encoder [3.4793807018498555]
VAEまたは変分自動エンコーダは、データを潜在属性に圧縮し、異なる種類の新しいデータを生成する。
本稿では, 潜在属性の分布類似性の尺度としてワッサースタイン距離を用い, 軽度条件下でのKLの発散と比べ, 理論的下界(ELBO)が優れていることを示す。
論文 参考訳(メタデータ) (2021-09-30T01:40:39Z) - Manifold Topology Divergence: a Framework for Comparing Data Manifolds [109.0784952256104]
本研究では,深部生成モデルの評価を目的としたデータ多様体の比較フレームワークを開発する。
クロスバーコードに基づき,manifold Topology Divergence score(MTop-Divergence)を導入する。
MTop-Divergenceは,様々なモードドロップ,モード内崩壊,モード発明,画像乱れを正確に検出する。
論文 参考訳(メタデータ) (2021-06-08T00:30:43Z) - CoDA: Contrast-enhanced and Diversity-promoting Data Augmentation for
Natural Language Understanding [67.61357003974153]
我々はCoDAと呼ばれる新しいデータ拡張フレームワークを提案する。
CoDAは、複数の変換を有機的に統合することで、多種多様な情報付加例を合成する。
すべてのデータサンプルのグローバルな関係を捉えるために、対照的な正則化の目的を導入する。
論文 参考訳(メタデータ) (2020-10-16T23:57:03Z) - LaDDer: Latent Data Distribution Modelling with a Generative Prior [21.27563489899532]
変分オートエンコーダフレームワークにおける遅延データ分布の正確なモデリングを実現するため,LaDDerを提案する。
LaDDerはメタ埋め込みの概念で、複数のVAEモデルを使用して埋め込みの埋め込みを学ぶ。
本稿では,LaDDerモデルを用いて複雑な潜伏分布を正確に推定し,表現品質の向上を図っている。
論文 参考訳(メタデータ) (2020-08-31T20:10:01Z) - On the Encoder-Decoder Incompatibility in Variational Text Modeling and
Beyond [82.18770740564642]
変分オートエンコーダ(VAE)は、潜時変数と償却変分推論を結合する。
我々は,データ多様体のパラメータ化が不十分なエンコーダ・デコーダの不整合性を観察する。
同一構造を持つ決定論的オートエンコーダとVAEモデルを結合した結合型VAEを提案する。
論文 参考訳(メタデータ) (2020-04-20T10:34:10Z)
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。